【技術實現步驟摘要】
本申請屬于深度學習、大數據，具體而言涉及一種服飾智能搭配系統及其圖像生成方法、存儲介質。
技術介紹
1、隨著人工智能、大數據技術的飛速發展，如何基于人工智能技術對傳統的產品和業務進行重構升級成為了一個火熱的研究課題。
2、服飾作為時尚行業的一部分，在消費市場占有率非常大，如何利用人工智能技術提升服飾行業的智能化程度和用戶體驗是很有挑戰和意義的課題。隨著經濟水平不斷提高，時尚穿搭已經成為消費者很常見的需求，因此，服飾智能搭配成為服飾行業非常熱門的研究應用方向之一。
3、傳統的基于深度學習的服飾智能搭配系統，通常會預先構建服飾之間相互搭配的正負樣本對數據集，并基于搭配數據集訓練搭配概率預測模型，再結合業務專家構建的業務規則系統完成最終的服飾搭配方案推薦。傳統方法通常比較依賴人工數據標注或既定規則，人工專家依賴程度較高，而且只關注單品粒度搭配特征建模，缺乏套裝粒度搭配特征建模，從而導致存在搭配的多樣性和新穎性受限的問題。
4、因此，如何解決傳統的服飾智能搭配系統搭配的多樣性和新穎性受限的問題，是本領域值得研究的課題。
技術實現思路
1、鑒于上述的分析，本專利技術實施例旨在提供一種服飾智能搭配系統及其圖像生成方法、存儲介質，以解決傳統的基于深度學習的服飾智能搭配系統搭配的多樣性和新穎性受限的問題。
2、本申請的第一方面，提供了一種服飾智能搭配系統圖像生成方法，包括：
3、獲取用戶輸入的待推薦服飾圖像；
4、識別和分割出
5、將所述服飾分割圖像輸入至預先建立的圖像庫中進行檢索召回，得到與所述服飾分割圖像相匹配的服飾圖像，得到候選服飾圖像集；
6、基于每個服飾圖像分別獲取對應的服飾套裝邊緣檢測圖像，得到候選服飾套裝邊緣檢測圖像集；
7、將所述服飾分割圖像以及所述服飾套裝邊緣檢測圖像輸入至服飾智能搭配系統的圖像生成模型中，輸出生成的服飾穿搭套裝圖像；
8、其中，預先創建服飾智能搭配圖像生成微調訓練數據集，包括收集大規模標記好的不同類型、風格的服飾圖像以及對應的服飾套裝邊緣檢測圖像，所述圖像生成模型為在所述服飾智能搭配圖像生成微調訓練數據集上進行微調訓練得到的模型。
9、可選地，所述將所述服飾分割圖像輸入至預先建立的圖像庫中進行檢索召回，得到與所述服飾分割圖像相匹配的服飾圖像，得到候選服飾圖像集包括：
10、使用向量化模型將所述服飾分割圖像進行向量化，得到服飾分割圖像向量；
11、將所述服飾分割圖像向量輸入至圖像向量庫中進行檢索召回，根據服飾分割圖像向量與向量數據庫中服飾圖像向量的相似度，將與服飾分割圖像向量相關度高的前n個結果作為候選服飾圖像集。
12、可選地，在所述服飾智能搭配圖像生成微調訓練數據集上微調訓練所述圖像生成模型包括：
13、收集服飾穿搭圖像素材，作為原始服飾穿搭套裝圖像；
14、對所述原始服飾穿搭套裝圖像進行服飾粒度的圖像分割，并按照服飾分割結果將所述原始服飾穿搭套裝圖像切分為多個子圖，每個子圖對應單獨的服飾，得到服飾圖像；
15、對所述原始服飾穿搭套裝圖像進行邊緣檢測，得到服飾套裝邊緣檢測圖像；
16、將所述服飾圖像以及所述服飾套裝邊緣檢測圖像作為服飾智能搭配圖像生成微調訓練數據集，對所述圖像生成模型進行微調訓練。
17、可選地，所述識別和分割出所述待推薦服飾圖像中的單獨服飾，得到服飾分割圖像包括：
18、對所述待推薦服飾圖像進行預處理，所述預處理包括將所述待推薦服飾圖像調整為預定尺寸、將所述待推薦服飾圖像歸一化到特定范圍、對所述待推薦服飾圖像進行數據增強；
19、加載預先訓練好的sam分割模型，將預處理后的圖像輸入至所述sam分割模型，輸出圖像中每個像素的類別標簽；
20、基于每個像素的類別標簽，識別分割圖像中的連通區域，每個區域對應單獨的服飾；
21、根據每件服飾的邊界，從原圖中裁剪出對應的子圖，每個子圖對應單獨的服飾，得到服飾分割圖像。
22、可選地，所述基于每個服飾圖像分別獲取對應的服飾套裝邊緣檢測圖像，得到候選服飾套裝邊緣檢測圖像集包括：
23、針對每個服飾圖像，采用不同的邊緣檢測算法或調整所述邊緣檢測算法的參數對所述服飾圖像進行多次邊緣檢測處理，得到m個服飾套裝邊緣檢測圖像，作為所述候選服飾套裝邊緣檢測圖像集；
24、其中，所述邊緣檢測算法包括：canny邊緣檢測算法、sobel算子邊緣檢測算法或laplacian算子邊緣檢測算法；所述邊緣檢測算法的參數包括邊緣檢測算法的閾值或濾波器大小。
25、可選地，在所述輸出生成的服飾穿搭套裝圖像之后還包括：
26、基于用戶畫像信息，對生成的服飾穿搭套裝圖像進行排序，生成對所述服飾穿搭套裝圖像的推薦結果，并反饋至用戶。
27、可選地，所述圖像生成模型采用gan模型；所述將所述服飾分割圖像以及所述服飾套裝邊緣檢測圖像輸入至服飾智能搭配系統的圖像生成模型中，輸出生成的服飾穿搭套裝圖像包括：
28、生成器接收服飾圖像和服飾套裝邊緣檢測圖像作為輸入，目標為生成服飾穿搭套裝圖像，所述生成器由多層卷積神經網絡構成，通過逐漸增加細節和紋理來構建最終圖像；
29、判別器評估生成器輸出的圖像與實際圖像的相似度；所述判別器由卷積神經網絡構成，任務為判斷輸入的圖像是真實的還是生成的；
30、在訓練過程中，生成器和判別器進行對抗，直至訓練完成。
31、可選地，在所述服飾智能搭配圖像生成微調訓練數據集上微調訓練所述圖像生成模型包括：采用lora微調方法或全參數微調方法在所述服飾智能搭配圖像生成微調訓練數據集上微調訓練所述圖像生成模型。
32、本申請的第二方面，提供了一種服飾智能搭配系統，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執行時實現上述任一種所述的服飾智能搭配系統圖像生成方法。
33、本申請的第三方面，提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現上述任一種所述的服飾智能搭配系統圖像生成方法。
34、本申請所提供的服飾智能搭配系統圖像生成方法，基于用戶輸入的待推薦服飾圖像，通過識別和分割出所述待推薦服飾圖像中的單獨服飾，得到服飾分割圖像；將服飾分割圖像輸入至預先建立的圖像庫中進行檢索召回，得到候選服飾圖像集；基于每個服飾圖像分別獲取對應的服飾套裝邊緣檢測圖像，得到候選服飾套裝邊緣檢測圖像集；最后將所述服飾分割圖像以及所述服飾套裝邊緣檢測圖像輸入至服飾智能搭配系統的圖像生成模型中，輸出生成的服飾穿搭套裝圖像。本申請通過預先對圖像生成模型經過大規模優質穿搭樣例數據進行微調訓練，使模型具備對任意給定的服飾能夠生成多種優質搭配套裝的能力，提升了本文檔來自技高網...
【技術保護點】
1.一種服飾智能搭配系統圖像生成方法，其特征在于，包括：
2.根據權利要求1所述的圖像生成方法，其特征在于，所述將所述服飾分割圖像輸入至預先建立的圖像庫中進行檢索召回，得到與所述服飾分割圖像相匹配的服飾圖像，得到候選服飾圖像集包括：
3.根據權利要求1所述的圖像生成方法，其特征在于，在所述服飾智能搭配圖像生成微調訓練數據集上微調訓練所述圖像生成模型包括：
4.根據權利要求3所述的圖像生成方法，其特征在于，所述識別和分割出所述待推薦服飾圖像中的單獨服飾，得到服飾分割圖像包括：
5.根據權利要求1至4任一項所述的圖像生成方法，其特征在于，所述基于每個服飾圖像分別獲取對應的服飾套裝邊緣檢測圖像，得到候選服飾套裝邊緣檢測圖像集包括：
6.根據權利要求1至4任一項所述的圖像生成方法，其特征在于，在所述輸出生成的服飾穿搭套裝圖像之后還包括：
7.根據權利要求1至4任一項所述的圖像生成方法，其特征在于，所述圖像生成模型采用GAN模型；所述將所述服飾分割圖像以及所述服飾套裝邊緣檢測圖像輸入至服飾智能搭配系統的圖像生成模型中，
8.根據權利要求7所述的圖像生成方法，其特征在于，在所述服飾智能搭配圖像生成微調訓練數據集上微調訓練所述圖像生成模型包括：采用LoRA微調方法或全參數微調方法在所述服飾智能搭配圖像生成微調訓練數據集上微調訓練所述圖像生成模型。
9.一種服飾智能搭配系統，其特征在于，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執行時實現根據權利要求1-8任一項所述的服飾智能搭配系統圖像生成方法。
10.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，所述計算機程序被處理器執行時實現根據權利要求1-8任一項所述的服飾智能搭配系統圖像生成方法。
...【技術特征摘要】
1.一種服飾智能搭配系統圖像生成方法，其特征在于，包括：
2.根據權利要求1所述的圖像生成方法，其特征在于，所述將所述服飾分割圖像輸入至預先建立的圖像庫中進行檢索召回，得到與所述服飾分割圖像相匹配的服飾圖像，得到候選服飾圖像集包括：
3.根據權利要求1所述的圖像生成方法，其特征在于，在所述服飾智能搭配圖像生成微調訓練數據集上微調訓練所述圖像生成模型包括：
4.根據權利要求3所述的圖像生成方法，其特征在于，所述識別和分割出所述待推薦服飾圖像中的單獨服飾，得到服飾分割圖像包括：
5.根據權利要求1至4任一項所述的圖像生成方法，其特征在于，所述基于每個服飾圖像分別獲取對應的服飾套裝邊緣檢測圖像，得到候選服飾套裝邊緣檢測圖像集包括：
6.根據權利要求1至4任一項所述的圖像生成方法，其特征在于，在所述輸出生成的服飾穿搭套裝圖像之后還包括：
7....
【專利技術屬性】
技術研發人員：劉海波，王雷，曹宇慧，王仿，
申請(專利權)人：北京智譜華章科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。