【技术实现步骤摘要】
一种基于多条件深度卷积生成对抗网络的服装设计方法
本专利技术属于服装设计方法
，涉及一种基于多条件深度卷积生成对抗网络的服装设计方法。
技术介绍
伴随着互联网服装市场的迅猛发展，人们的购物方式发生了巨大改变，消费者对于服装样式和品质的需求相比以往也有了很大的提升。想要在各式各样的服装中选择一个符合自己品味、适合要出席的场合、适合自己性格、甚至符合自己当时心情的服装，并不是一件轻而易举的事，往往需要花费大量的时间成本。因此在这个追求高品质的社会中，高效率地设计符合满足消费者需求的服装样式显得愈发重要。传统的服装设计方法主要依靠3D人体扫描技术，通过物理建模得到3D服装原型，设计生成数字服装的算法，最后基于几何重建生成服装样本，但这些方法成本高、开发周期长，而且在测试时都需要明确的人为干预，在实际环境中并不适用。最近几年，伴随着人工智能、机器学习等领域的快速发展，深度学习技术也成为了研究领域的一个热点话题，并且也取得了许多突破性的进展。利用深度学习技术解决人们生活中的实际问题也引起了众多学者的关注。可以说，...
【技术保护点】
1.一种基于多条件深度卷积生成对抗网络的服装设计方法，其特征在于，包括以下步骤：/n步骤1、获取服装图像数据集，提取所述服装图像数据集中每个服装图像的服装部分；/n步骤2、对所述服装部分的特征进行统一分类，得到不同种类的服装图像数据子集，并对每类所述服装图像数据子集标注类别标签；/n步骤3、建立生成网络与判别网络的多层深度卷积神经网络，所述多层深度卷积神经网络包括多条件输入网络、生成网络及判别网络；/n步骤4、将多个服装图像数据子集依次输入多层深度卷积神经网络进行训练，得到每个服装图像数据子集对应的服装网络模型；/n步骤5、向服装网络模型中输入需求信息，提取服装图像数据子集...
【技术特征摘要】
1.一种基于多条件深度卷积生成对抗网络的服装设计方法，其特征在于，包括以下步骤：
步骤1、获取服装图像数据集，提取所述服装图像数据集中每个服装图像的服装部分；
步骤2、对所述服装部分的特征进行统一分类，得到不同种类的服装图像数据子集，并对每类所述服装图像数据子集标注类别标签；
步骤3、建立生成网络与判别网络的多层深度卷积神经网络，所述多层深度卷积神经网络包括多条件输入网络、生成网络及判别网络；
步骤4、将多个服装图像数据子集依次输入多层深度卷积神经网络进行训练，得到每个服装图像数据子集对应的服装网络模型；
步骤5、向服装网络模型中输入需求信息，提取服装图像数据子集对应的服装网络模型，在所述服装网络模型的生成网络中生成服装图像。
2.根据权利要求1所述的一种基于多条件深度卷积生成对抗网络的服装设计方法，其特征在于，步骤1具体包括：
步骤1.1、获取服装图像数据集；
步骤1.2、通过卷积神经网络提取所述服装图像数据集中服装图像的特征向量，将所述特征向量作为支持向量机的输入信息，进行图像分割，得到每个服装图像的服装部分。
3.根据权利要求1所述的一种基于多条件深度卷积生成对抗网络的服装设计方法，其特征在于，步骤2中所述类别标签包括性别、身高、体型...
【专利技术属性】
技术研发人员：李敏奇，王一各，刘哲，董昭雄，李犇，张利剑，刘珊，邓薇，龚梦婵，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。