(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202011581996.1
(22)申请日 2020.12.28
(71)申请人 大连工业大学
地址 116034 辽宁省大连市甘井子区轻工
苑1号
(72)发明人 王伟珍 杨诒然
(74)专利代理机构 大连东方专利代理有限责任
公司 21212
代理人 姜玉蓉 李洪福
(51)Int.Cl.
G06F 16/532(2019.01)
G06F 16/583(2019.01)
G06N 3/04(2006.01)
G06K 9/62(2006.01)
(54)发明名称一种服装图像自动生成系统及方法(57)摘要本发明提供一种服装图像自动生成系统，包括：服装图像检索模块，将搜集的服装图像进行属性标注的图像属性自动标注模块，以及服装图像自动生成模块；所述服装图像检索模块包括：以文搜图、以图搜图，其中所述以图搜图的所述图像为使用者拍摄的服装图像和/或直接输入待查询的图像；所述图像属性自动标注模块通过构建相关的图像标注库，在所述图像标注库的构建基础上训练标注模型，自动识别图像预定义的属性，完成对未标注图像的自动属性标注。本发明通过设置服装图像检索模块、图像属性自动标注模块、图像自动生成模块，可以方便设计人员搜图、图、用图，最重要的是该系统能够自动根据 客户需求实施服装图像的再设计。权利要求书2页 说明书7页 附图1页CN 112699261 A 2021.04.23
C N 112699261
A
1.一种服装图像自动生成系统，其特征在于，包括：
服装图像检索模块，将搜集的服装图像进行属性标注的图像属性自动标注模块，以及服装图像自动生成模块；
所述服装图像检索模块包括：以文搜图、以图搜图，其中所述以图搜图的所述图像为使用者拍摄的服装图像和/或直接输入待查询的图像；所述图像属性自动标注模块通过构建相关的图像标注库，在所述图像标注库的构建基础上训练标注模型，自动识别图像预定义的属性，完成对未标注图像的自动属性标注；
所述图像自动生成模块，根据预设的属性标签信息通过生成式对抗网络产生符合属性条件的服装图像；
所述服装图像检索模块通过网络平台上的图像或者拍照，通过原始图像和属性标签构建服装图像数据集，建立基于深度学习技术的服装图像检索系统；
所述服装图像检索系统通过深度模型提取图像的颜、纹理、风格特征，通过计算特征间的距离返回服装图像数据库中同查询图像标签相同的样本；假设两张图像的哈希编码为b 1和b 2，则它们的汉明距离定义如下：
其中为逻辑异或运算，||*||1为L1范数，即向量中非零元素的个数。
2.根据权利要求1所述的一种服装图像自动生成系统，其特征在于，
所述图像属性自动标注模块对欲查询的服装图像属性信息进行分类标注；
所述图像属性自动标注模块通过深度卷积神经网络从数据集中自动学习服装属性分类器，实现服装图像属性标签的标注；假设需要标注的图像为I，深度模型经过多层映射会预测图像各属性标签的概率，即：
p(l j |I)＝f M (f M ‑1(f M ‑2(…f 1(I))))；
其中f m 表示深度网络的第m层映射函数，p(l j |I)表示图像I被预测为第j个属性的概率，如果该值小于0.5，则图像I不会被标注为l j 属性。
3.根据权利要求1所述的一种服装图像自动生成系统，其特征在于，
所述图像自动生成模块通过依据输入的属性信息和服装图像信息生成新的服装图像；所述新的服装图像将具有原始服装图像的标签属性同时符合输出的属性需求；
所述图像自动生成模块工作包括以下步骤：
S1：根据图像数据和其属性标签优化下述目标函数，学习判别器D和生成器G：
其中，p data (x)表示图像的分布，y表示图像的属性标签向量，z服从标准高斯分布p z (z)，D通过最大化真实图像标签对(x，y)的对数似然函数logD(x|y)和根据标签y生成的图像的对数似然函数1‑logD(G(z|y))进行学习，G为通过最大化对数似然函数logD(G(z|y)学习根据属性标签向量y产生符合属性需求的真实图像；
S2：根据用户提供的属性标签和经过训练的生成器G生成符合该属性的真实图像
z～P z (z)；
其中，z表示从P
(z)分布中采样的噪声数据。
z
4.根据权利要求1所述的一种服装图像自动生成系统，其特征在于，
所述服装图像自动生成系统还具有：服装图像储存检索模块、服装图像属性自动标注模块以及服装图像生成新图像模块；
所述服装图像储存检索模块，将搜集的服装图像存储起来，整理成服装图像数据集并构建检索系统；
服装图像属性自动标注模块，根据数据集里的服装图像进行属性标注，利用一种基于深度学习的图像分类方法，完成数据集图像的自动标注；
服装图像生成新图像模块，基于所得服装图像属性标签的信息，利用条件生成式对抗网络自动生成新图像。
5.应用权利要求1‑4所述的系统的一种服装图像自动生成的方法，包括如下步骤：
步骤一：建立服装图像数据集；通过使用者输入的文本信息，关键字以及图像内容进行检索或者采用直接拍照的方式获取图像；
步骤二：获取图像后，根据预设的服装图像属性对所获的图像进行人工标注；
步骤三：通过所述具有属性标注信息的服装图像集，训练基于深度卷积神经网络模型的服装图像属性分类器；
步骤四：通过服装图像属性分类器对未标注图像进行自动标注服装图像属性；
步骤五：通过具有属性标注信息的服装图像集训练条件生成式对抗网络；
步骤六：通过训练完成的生成模型并产生新图像。
一种服装图像自动生成系统及方法
技术领域
[0001]本发明涉及图像处理技术领域，具体而言，尤其涉及服装图像自动生成方法和系统的制作方法。
背景技术
[0002]随着网络时代的发展，网络上的服装图像数据急剧增长。面对海量的服装图像数据，如何快捷有效的利用这些图像，寻并再次设计出符合自己想要的服装图像成了急需解决的问题。对于大量服装图
像实现智能设计的需求也日益增加。图像处理技术发展至今，已然不再是那个只能进行简单图像处理和识别的技术了，而是可以将自己渗入到各个领域并且可以给各个领域带来影响的技术。到目前为止，图像处理技术在服装领域受到广泛重视，而服装图像自动生成技术可以按照自己想要的目标图像进行自动生成，可以更高效率的得到目标服装图像。具体来说服装图像自动生成技术是根据特定的服装图像属性标签按一定属性分类，巧妙的利用计算机深度学习技术，利用数据库的训练与实验自动生成新的服装图像，实现符合需求的服装图像的自动生成。目前自动生成服装图像的设计系统还欠缺，由于服装图像数据的庞大性，主要是通过搜集服装图像上的属性标签并进行各属性标注技术处理，再结合计算机深度学习后自动生成指定的服装图像。提高新服装图像的丰富度和准确性都十分重要。时尚是一个人生活中不断存在的东西，人们追随时尚来表达自己。人工智能领域的最新进展，特别是在机器学习方面的进展，推进了服装时尚和计算机算法之间的深度合作。以最新时尚趋势和客户购买的衣服为输入，产生新的趋势线是非常可取的。
[0003]现有技术主要应用生成式对抗网络(GAN)从深度学习模型产生时尚服装。主要采取最新的时尚趋势和用户购买的服装作为输入并生成新服装图像，在所提出的基于机器学习的方法中，生成的新图像将以时尚潮流为基础。这种机器学习的方法主要存在的问题是生成式对抗网络(GAN)出于训练目的需要大量的预标记数据。图像必须具有相似的大小和小的噪声。但是，要根据用户的风格生成服装，我们需要为每个用户提供成千上万的图像。如果为每个用户建立个性化的服装系统，这在现实生活中是不可能的，因为一个人可能永远不会买这么多衣服。
发明内容
[0004]根据上述提出的技术问题，而提供一种服装图像自动生成方法和系统的制作方法。本发明主要利用一种服装图像自动生成系统，其特征在于，包括：
[0005]服装图像检索模块，将搜集的服装图像进行属性标注的图像属性自动标注模块，以及服装图像自动生成模块；
[0006]所述服装图像检索模块包括：以文搜图、以图搜图，其中所述以图搜图的所述图像为使用者拍摄的服装图像和/或待查询的图像；所述图像属性自动标注模块通过构建相关的图像标注库，在所述图像标注库的构建基础上训练标注模型，自动识别图像预定义的属
性，完成对未标注图像的自动属性标注；
[0007]所述图像自动生成模块，根据预设的属性标签信息通过生成式对抗网络产生符合属性条件的服装图像；
[0008]所述服装图像检索模块通过网络平台上的图像或者拍照，通过原始图像和属性标签构建服装图像数据集，建立基于深度学习技术的服装图像检索系统；
[0009]所述服装图像检索系统通过深度模型提取图像的颜、纹理、风格特征，通过计算特征间的距离返回服装图像数据库中同查询图像标签相同的样本；假设两张图像的哈希编码为b 1和b 2，则它们的汉明距离定义如下：
[0010]
[0011]其中为逻辑异或运算，‖*‖1为L1范数，即向量中非零元素的个数。[0012]进一步地，所述图像属性自动标注模块对欲查询的服装图像属性信息进行分类标注；
[0013]所述图像属性自动标注模块通过深度卷积神经网络从数据集中自动学习服装属性分类器，实现服装图像属性标签的标注；假设需要标注的图像为I，深度模型经过多层映射会预测图像各属性标签的概率，即：
[0014]p(l j |I)＝f M (f M ‑1(f M ‑2(…f 1
(I))))；[0015]其中f m
表示深度网络的第m层映射函数，p(l j |I)表示图像I被预测为第j个属性的概率，
如果该值小于0.5，则图像I不会被标注为l j 属性。[0016]进一步地，所述图像自动生成模块通过依据输入的属性信息和服装图像信息生成新的服装图像；所述新的服装图像将具有原始服装图像的标签属性同时符合输出的属性需求；
[0017]所述图像自动生成模块工作包括以下步骤：
[0018]S1：根据图像数据和其属性标签优化下述目标函数，学习判别器D和生成器G：
[0019]
[0020]其中，p data (x)表示图像的分布，y表示图像的属性标签向量，z服从标准高斯分布p z (z)，D通过最大化真实图像标签对(x，y)的对数似然函数logD(x|y)和根据标签y生成的图像的对数似然函数1‑logD(G(z|y))进行学习，G为通过最大化对数似然函数logD(G(z|y)学习根据属性标签向量y产生符合属性需求的真实图像；
[0021]
S2：根据用户提供的属性标签和经过训练的生成器G生成符合该属性的真实图像
[0022]
[0023]
其中，z表示从P z (z)分布中采样的噪声数据。
[0024]更进一步地，所述服装图像自动生成系统还具有：服装图像储存检索模块、服装图像属性自动标注模块以及服装图像生成新图像模块；
[0025]所述服装图像储存检索模块，将搜集的服装图像存储起来，整理成服装图像数据
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议