[发明专利]一种基于解纠缠网络的服装图像生成系统和方法

说明书

本发明涉及计算机视觉领域，特别是一种基于解纠缠网络的服装图像生成系统和方法，该方法包括：步骤S101，获取多张带有类别标签的服装图像；步骤S102，获取服装图像的颜色标签、并与类别标签进行级联；步骤S103，训练解纠缠神经网络，初始化解纠缠网络的生成器和判别器网络参数；步骤S104，判别真实图像和解纠缠生成器生成的服装图像；步骤S105，根据所属判定值和输出图像，对解纠缠网络参数进行调整优化。本发明将人工智能技术和传统服装行业结合，克服了传统服装行业中设计单一、用户满意度不够、设计成本昂贵等问题，提高了服装设计效率，所设计的服装充分满足用户的设计需求。

技术领域

本发明涉及计算机视觉领域，特别是一种基于解纠缠网络的服装图像生成系统和方法。

背景技术

计算机视觉技术在图像生成、转换、修复等领域有非常多的具体应用，条件式对抗生成网络能够根据输入标签生成与真实图像无法区分的服装图像，从而为服装设计师和消费者提供灵感；服装图像生成的关键是多样化的样式设计，这要求网络能够很好的解开服装图像特征之间的纠缠，例如服装颜色特征和形状特征；同时，用户可以选择需要生成的服装类型或者颜色风格，可以在一定程度上解决服装定制化设计问题，实现以用户为中心的服装智能设计，根据用户要求给予设计灵感，所有生成的服装图像都是根据真实图像分布从无到有生成的，条件式地随机生成既能保证生成服装图像的多样性，又能依据用户要求，实现服装的定制化生成，同时也能为服装设计师提供设计灵感，有助于服装行业与人工智能技术的结合，促进服装行业的发展。

当然，使用人工智能技术来设计服装图像也存在着许多难点。难点主要表现在：

1)生成对抗网络本身的训练难度较大，难收敛；

2)生成图像的随机性；

3)服装图像特征较多、纹理和图案较复杂，很容易造成特征交叉，图像模糊；

4)高分辨率、高清晰度的图像生成效果不佳。

发明内容

为了解决上述现有技术的不足，本发明提供一种基于解纠缠网络的服装图像生成方法，根据用户条件生成多种样式的服装图像，为消费者和设计师提供服装设计灵感，其具体技术方案如下：

一种基于解纠缠神经网络的服装图像生成方法，包括以下步骤：

S101、获取多张带有类别标签的服装图像；

S102、获取服装图像的颜色标签，并与服装类别标签进行级联；

S103、训练解纠缠神经网络，初始化所述解纠缠神经网络的解纠缠生成器参数和判别器网络参数；

S104、将所述级联后的标签输入所述解纠缠神经网络，判别真实图像和解纠缠生成器生成的服装图像；

S105、根据判定值和输出服装图像，对解纠缠网络参数进行调整优化。

进一步的，所述服装图像的类别标签和颜色标签均采用独热编码的方法获得，其中，服装图像颜色的分类采用OpenCV工具将服装图像的RGB模型转化为HSV模型。

进一步的，所述步骤S103具体包括：