买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工业大学(深圳)申请的专利一种基于服饰搭配技术的整套服饰生成模型及其实施方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113936077B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111225759.6，技术领域涉及：G06T11/60；该发明授权一种基于服饰搭配技术的整套服饰生成模型及其实施方法是由张海军;周栋梁设计研发完成，并于2021-10-21向国家知识产权局提交的专利申请。

本一种基于服饰搭配技术的整套服饰生成模型及其实施方法在说明书摘要公布了：本发明公开了一种基于服饰搭配技术的整套服饰生成模型及其实施方法。所述模型包含一个套装生成器、一个套装鉴别器和一个搭配监督模块。所述套装生成器包含多个服饰单品生成器，所述套装生成器完成输入服饰图像和目标服饰轮廓掩码到相应搭配的服饰套装图像的转换，每个所述服饰单品生成器负责生成对应的目标服饰单品的图像；所述套装鉴别器包含多个服饰单品鉴别器，每个所述服饰单品鉴别器负责保证生成服饰单品图像的真实性；所述搭配监督模块包含一个卷积神经网络的特征抽取器和双向长短时记忆网络，用于对生成服饰套装搭配度的增强，提高生成服饰和给定服饰的搭配度；所述服饰单品生成器要满足对应的服饰单品鉴别器的鉴别。

本发明授权一种基于服饰搭配技术的整套服饰生成模型及其实施方法在权利要求书中公布了：1.一种基于服饰搭配技术的整套服饰生成模型的实施方法，其特征在于，所述实施方法包括以下步骤： A、构建搭配服饰数据集：构建包含图像信息、所有图像的轮廓掩码以及包含所有图像类别信息的服饰数据集； B、预训练模型：所述基于服饰搭配技术的整套服饰生成模型需要预训练两处模型包括用于感知损失对应的VGG模型，以及搭配监督模块，所述的搭配监督模块包含一个卷积神经网络的特征抽取器和双向长短时记忆网络；所述感知损失对应的VGG模型是在imagenet上进行预训练好，之后再在公开的服装数据集上进行属性预测，微调之后的模型用于感知损失的计算；所述搭配监督模块在如A所述的搭配服饰数据集上进行搭配预测训练； C、设计基于服饰搭配技术的整套服饰生成模型：所述整套服饰生成模型包含一个套装生成器、一个套装鉴别器和B中所述的搭配监督模块；所述套装生成器包含多个服饰单品生成器，每个服饰单品生成器负责生成对应的目标服饰单品的图像，所述套装生成器完成输入服饰图像和目标服饰轮廓掩码到相应搭配的服饰套装图像的转换；所述套装鉴别器包含多个服饰单品鉴别器，每个服饰单品鉴别器负责保证生成服饰单品图像的真实性；所述搭配监督模块用于对生成服饰套装搭配度的增强，提高生成服饰和给定服饰的搭配度；所述服饰单品生成器不仅要满足对应的服饰单品鉴别器的鉴别，其生成的合成图像还要在相似度距离上逼近真实图像； 其中，所述服饰单品生成器采用“编码器-语义对齐模块-解码器”结构；所述服饰单品鉴别器采用多尺度鉴别器；所述搭配监督模块采用一个在imagenet上预训练好的分类模型的特征抽取部分作为特征抽取器，一个双向长短时记忆网络对整套服饰的搭配进行建模，所述的双向长短时记忆网络采用交叉熵损失函数作为其目标函数； 所述编码器采用的是多层卷积神经网络堆叠，所述解码器采用的是多层上采样层和卷积神经网络的交替堆叠，每个所述的语义对齐模块，包含两路卷积神经网络，分别用于抽取给定服饰经过编码器之后的特征的高级特征以及轮廓掩码的高级特征；所述语义对齐模块还包含一个对应关系计算层，用于计算上述两个高级特征之间的对应关系矩阵，此矩阵包含上述两个高级特征之间任意位置之间的对应关系大小以及一个特征对齐层，用于将编码器得到的特征根据上述得到的对应关系矩阵进行特征对齐。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学(深圳)，其通讯地址为：518055 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。