GAN网络训练方法、服装图片生成方法、装置及电子设备制造方法及图纸

本申请提供了一种GAN网络训练方法、服装图片生成方法、装置及电子设备。该GAN网络训练方法，包括以下步骤：获取多个训练样本，其中，每一所述训练样本包括服装图片以及用于描述所述服装图片的描述文字；提取每一所述训练样本中的服装图片的第一特征信息以及对应的描述文字的第二特征信息，以形成具有第一特征信息以及第二特征信息的特征信息组；根据每一所述特征信息组对预设GAN网络进行训练，以得到目标GAN网络。本申请可以基于用户的描述文字生成对应的服装图片，满足用户对服装设计的个性化需求，从而可以提高服装图片生成的自动化程度，可以快速自动生成服装图片。

【技术实现步骤摘要】
GAN网络训练方法、服装图片生成方法、装置及电子设备
本申请涉及计算机网络
，具体而言，涉及一种GAN网络训练方法、服装图片生成方法、装置及电子设备。
技术介绍
现在的服装款式生成系统更多的是根据服装图片的要素进行拼装组合，以生成服装图片。其缺少了人工的审美系统来评价，虽然可以同时生成各式各样的服装款式，但是，不能根据用户的喜好来生成所需的服装图片，无法快速满足用户对服装的个性化需求。针对上述问题，目前尚未有有效的技术解决方案。
技术实现思路
本申请实施例的目的在于提供一种GAN网络训练方法、服装图片生成方法、装置及电子设备，可以基于用户的描述文字生成对应的服装图片，满足用户对服装设计的个性化需求。第一方面，本申请实施例提供了一种GAN网络训练方法，包括以下步骤：获取多个训练样本，其中，每一所述训练样本包括服装图片以及用于描述所述服装图片的描述文字；提取每一所述训练样本中的服装图片的第一特征信息以及对应的描述文字的第二特征信息，以形成具有第一特征信息以及第二特征信息的特征信息组；根据每一所述特征信息组对预设GAN网络进行训练，以得到目标GAN网络。本申请实施例通过采用服装图片以及描述文字来训练出目标GAN网络，可以基于用户的描述文字生成对应的服装图片，满足用户对服装设计的个性化需求，从而可以提高服装图片生成的自动化程度，可以快速自动生成服装图片。可选地，在本申请实施例所述的GAN网络训练方法中，所述服装图片包括多个服装要素，所述描述文字包括多个描述字段；所述根据每一所述特征信息组对预设GAN网络进行训练，以得到目标GAN网络的步骤包括：将每一所述特征信息组分成多个第一特征信息组，每一所述第一特征信息组包括一第一子特征信息及一对应的第二子特征信息，所述第一子特征信息与一所述服装要素对应，所述第二子特征信息与一所述描述字段对应，所述第一特征信息包括多个第一子特征信息，所述第二特征信息包括多个第二子特征信息；根据每一所述特征信息组的多个第一特征信息组对预设GAN网络进行训练，以得到目标GAN网络。可选地，在本申请实施例所述的GAN网络训练方法中，所述将每一所述特征信息组分成多个第一特征信息组的步骤包括：对每一所述描述文字进行分词处理，以得到多个描述字段；从所述多个服装图片的描述文字中筛选出具有一个相同描述字段的至少两个服装图片；从所述至少两个服装图片对应的第一特征信息中提取出所述相同描述字段对应的第一子特征信息；从所述至少两个服装图片对应的第二特征信息中提取出所述相同描述字段对应的第二子特征信息；将提取出的第一子特征信息以及对应第二子特征信息组成一第一特征信息组。可选地，在本申请实施例所述的GAN网络训练方法中，所述从所述至少两个服装图片对应的第一特征信息中提取出所述相同描述字段对应的第一子特征信息的步骤包括：将所述至少两个服装图片的对应的第一特征信息中的相同的特征信息段提取出，以作为所述相同描述字段对应的第一子特征信息。可选地，在本申请实施例所述的GAN网络训练方法中，所述多个训练样本中，每一所述训练样本与其他至少一个训练样本具有相同服装元素。第二方面，本申请实施例提供了一种GAN网络训练装置，包括：第一获取模块，用于获取多个训练样本，其中，每一所述训练样本包括服装图片以及用于描述所述服装图片的描述文字；第一提取模块，用于提取每一所述训练样本中的服装图片的第一特征信息以及对应的描述文字的第二特征信息，以形成具有第一特征信息以及第二特征信息的特征信息组；训练模块，用于根据每一所述特征信息组对预设GAN网络进行训练，以得到目标GAN网络。所述服装图片包括多个服装要素，所述描述文字包括多个描述字段；可选地，在本申请实施例所述的GAN网络训练装置中，所述训练模块包括：划分单元，用于将每一所述特征信息组分成多个第一特征信息组，每一所述第一特征信息组包括一第一子特征信息及一对应的第二子特征信息，所述第一子特征信息与一所述服装要素对应，所述第二子特征信息与一所述描述字段对应，所述第一特征信息包括多个第一子特征信息，所述第二特征信息包括多个第二子特征信息；训练单元，用于根据每一所述特征信息组的多个第一特征信息组对预设GAN网络进行训练，以得到目标GAN网络。第三方面，本申请实施例提供了一种服装图片生成方法，采用上述任一项所述的GAN网络训练方法训练得到的目标GAN网络，所述方法包括以下步骤：获取用户输入的用于描述待生成的目标服装图片的描述文字；将所述描述文字输入所述目标GAN网络，以生成与所述描述文字对应的目标服装图片。第四方面，本申请实施例提供了一种服装图片生成装置，采用上述任一项所述的GAN网络训练方法训练得到的目标GAN网络，所述装置包括：第二获取模块，用于获取用户输入的用于描述待生成的目标服装图片的描述文字；生成模块，用于将所述描述文字输入所述目标GAN网络，以生成与所述描述文字对应的目标服装图片。第五方面，本申请实施例提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。第六方面，本申请实施例提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。由上可知，本申请实施例通过获取多个训练样本，其中，每一所述训练样本包括服装图片以及用于描述所述服装图片的描述文字；提取每一所述训练样本中的服装图片的第一特征信息以及对应的描述文字的第二特征信息，以形成具有第一特征信息以及第二特征信息的特征信息组；根据每一所述特征信息组对预设GAN网络进行训练，以得到目标GAN网络；从而训练出目标GAN网络，可以基于用户的描述文字生成对应的服装图片，满足用户对服装设计的个性化需求，从而可以提高服装图片生成的自动化程度，可以快速自动生成服装图片。本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本申请实施例提供的GAN网络训练方法的一种流程图。图2为本申请实施例提供的GAN网络训练装置的一种结构示意图。图3为本申请实施例提供的服装图片生成方法的一种流程图。图4为本申请实施例提供的服装图片生成装置的一种结构示意图。图5为本申请实施本文档来自技高网...

【技术保护点】
1.一种GAN网络训练方法，其特征在于，包括以下步骤：/n获取多个训练样本，其中，每一所述训练样本包括服装图片以及用于描述所述服装图片的描述文字；/n提取每一所述训练样本中的服装图片的第一特征信息以及对应的描述文字的第二特征信息，以形成具有第一特征信息以及第二特征信息的特征信息组；/n根据每一所述特征信息组对预设GAN网络进行训练，以得到目标GAN网络。/n

【技术特征摘要】
1.一种GAN网络训练方法，其特征在于，包括以下步骤：
获取多个训练样本，其中，每一所述训练样本包括服装图片以及用于描述所述服装图片的描述文字；
提取每一所述训练样本中的服装图片的第一特征信息以及对应的描述文字的第二特征信息，以形成具有第一特征信息以及第二特征信息的特征信息组；
根据每一所述特征信息组对预设GAN网络进行训练，以得到目标GAN网络。


2.根据权利要求1所述的GAN网络训练方法，其特征在于，所述服装图片包括多个服装要素，所述描述文字包括多个描述字段；
所述根据每一所述特征信息组对预设GAN网络进行训练，以得到目标GAN网络的步骤包括：
将每一所述特征信息组分成多个第一特征信息组，每一所述第一特征信息组包括一第一子特征信息及一对应的第二子特征信息，所述第一子特征信息与一所述服装要素对应，所述第二子特征信息与一所述描述字段对应，所述第一特征信息包括多个第一子特征信息，所述第二特征信息包括多个第二子特征信息；
根据每一所述特征信息组的多个第一特征信息组对预设GAN网络进行训练，以得到目标GAN网络。


3.根据权利要求2所述的GAN网络训练方法，其特征在于，所述将每一所述特征信息组分成多个第一特征信息组的步骤包括：
对每一所述描述文字进行分词处理，以得到多个描述字段；
从多个服装图片的描述文字中筛选出具有一个相同描述字段的至少两个服装图片；
从所述至少两个服装图片对应的第一特征信息中提取出所述相同描述字段对应的第一子特征信息；
从所述至少两个服装图片对应的第二特征信息中提取出所述相同描述字段对应的第二子特征信息；
将提取出的第一子特征信息以及对应第二子特征信息组成一第一特征信息组。


4.根据权利要求3所述的GAN网络训练方法，其特征在于，所述从所述至少两个服装图片对应的第一特征信息中提取出所述相同描述字段对应的第一子特征信息的步骤包括：
将所述至少两个服装图片的对应的第一特征信息中的相同的特征信息段提取出，以作为所述相同描述字段对应的第一子特征信息。


5.根据权利要求2所述的GAN网络训练方法，其特征在于，所述多...

【专利技术属性】
技术研发人员：张发恩，吴佳洪，
申请(专利权)人：创新奇智北京科技有限公司，
类型：发明
国别省市：北京;11