基于生成式对抗网络虚拟试装技术研究
发布时间：2021-12-10 03:46
随着电子商务行业的发展成熟,网络购物已经成为了一种新的消费习惯。但是仅通过展示的商品图片和参数进行挑选,不能为消费者带来很好的购物体验,在服饰类商品的销售中尤为突出。虚拟试装系统能够弥补网上购物时无法进行试装的不足,让消费者通过网络就能看到试装的效果。生成式对抗网络是一种借鉴博弈论思想设计的网络模型,通过生成器模型和判别器模型互相博弈学习的过程,使其拥有模拟真实数据的能力。本文使用生成式对抗网络进行虚拟试装技术研究,通过训练网络模型生成试装效果。本文主要工作包括以下几个方面:1.研究并实现了基于VGG-GAN的虚拟试装算法。结合VGGNet模型特点,设计的生成器模型深度为12层,包含10个卷积层和2个全连接层,卷积层全都采用3×3的小卷积核。判别器模型为8层全卷积结构,使用ELU非线性激活函数。对该模型生成的试装效果进行评价,其中较为理想的试装效果占生成总数的55%,单幅图像测试时长为 1.85s。2.研究并实现了基于ResNet-GAN的虚拟试装算法。结合ResNet模型特点,设计的生成器模型深度为15层,包含6个残差块结构,共有13个卷积层和2个全连接层,第一个卷积层采用7×7的卷...
【文章来源】： 大连交通大学辽宁省
【文章页数】：67 页
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究背景及研究意义
1.2 国内外研究现状
1.2.1 虚拟试装系统
1.2.2 生成式对抗网络
1.3 本文使用数据集
1.4 本文的主要工作及内容安排
本章小结
第二章 相关理论及技术基础
2.1 引言
2.2 卷积神经网络
2.2.1 基本概念
2.2.2 网络模型结构
2.2.3 网络模型的相关设置
2.2.4 网络模型的相关运算
2.3 生成式对抗网络
2.3.1 基本原理
2.3.2 训练过程
2.3.3 空间变换器生成式对抗网络
本章小结
第三章 基于VGG-GAN的虚拟试装算法
3.1 引言
3.2 VGG13模型结构
3.3 VGG-GAN模型结构设计
3.3.1 生成器模型设计
3.3.2 判别器模型设计
3.4 实验设置
3.5 实验及结果分析
本章小结
第四章 基于ResNet-GAN的虚拟试装算法
4.1 引言
4.2 ResNet模型结构
4.3 ResNet-GAN模型结构设计
4.3.1 生成器模型设计
4.3.2 判别器模型设计
4.4 实验设置
4.5 实验及结果分析
本章小结
第五章 基于Django框架的虚拟试装系统实现
5.1 引言
5.2 实验环境研究
5.2.1 Django开发框架
5.2.2 MySQL数据库
5.3 框架搭建过程及结果
5.3.1 实验设置
5.3.2 网页界面虚拟试装系统设计过程
5.3.3 网页界面效果展示
本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间参与的项目
致谢
【参考文献】：
期刊论文
[1]基于弱监督预训练CNN模型的情感分析方法 [J]. 张越,夏鸿斌. 计算机工程与应用. 2018(13)
[2]生成式对抗网络研究进展 [J]. 王万良,李卓蓉. 通信学报. 2018(02)
[3]ReLU激活函数优化研究 [J]. 蒋昂波,王维维. 传感器与微系统. 2018(02)
[4]基于深度学习的图像风格转换浅论 [J]. 栾五洋. 数字通信世界. 2018(02)
[5]人脸图像年龄估计系统的设计与实现 [J]. 许梦婷,康长青,刘伟杰,张万顺. 信息通信. 2018(01)
[6]基于卷积神经网络多层特征提取的目标识别 [J]. 江彤彤,成金勇,鹿文鹏. 计算机系统应用. 2017(12)
[7]基于改进激活函数的卷积神经网络研究 [J]. 曲之琳,胡晓飞. 计算机技术与发展. 2017(12)
[8]面向2D虚拟试穿的服装推理变形仿真方法 [J]. 周千明,朱欣娟,胡西民. 计算机工程与应用. 2016(08)
[9]基于卷积神经网络的商品图像精细分类 [J]. 贾世杰,杨东坡,刘金环. 山东科技大学学报(自然科学版). 2014(06)
[10]虚拟试衣的发展现状及展望 [J]. 胡婉月,李艳梅,王迎梅,吴小娜. 上海工程技术大学学报. 2014(02)
硕士论文
[1]基于深度学习的车牌字符识别研究[D]. 杨志.安徽大学. 2018
[2]基于深度学习图像识别的研究及应用[D]. 王奥光.电子科技大学. 2018
[3]基于卷积神经网络的行人检测和识别研究[D]. 郝旭政.天津工业大学. 2018
[4]基于卷积神经网络的单帧图像超分辨率重建[D]. 陈颖龙.浙江理工大学. 2018
[5]基于DCGAN算法的图像生成技术研究[D]. 蔡晓龙.青岛理工大学. 2018
[6]基于Python的非结构化数据检索系统的设计与实现[D]. 董海兰.南京邮电大学. 2017
[7]Python代码风格对软件维护的影响研究[D]. 刘畅.南京大学. 2017
[8]基于卷积神经网络的图像识别[D]. 蒋帅.吉林大学. 2017
[9]基于WEB的生产与质检管理系统的设计与实现[D]. 毛小龙.大连理工大学. 2017
[10]基于Kinect的虚拟试衣系统的设计与实现[D]. 李智超.东南大学. 2017
本文编号：3531846
【文章来源】： 大连交通大学辽宁省
【文章页数】：67 页
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究背景及研究意义
1.2 国内外研究现状
1.2.1 虚拟试装系统
1.2.2 生成式对抗网络
1.3 本文使用数据集
1.4 本文的主要工作及内容安排
本章小结
第二章 相关理论及技术基础
2.1 引言
2.2 卷积神经网络
2.2.1 基本概念
2.2.2 网络模型结构
2.2.3 网络模型的相关设置
2.2.4 网络模型的相关运算
2.3 生成式对抗网络
2.3.1 基本原理
2.3.2 训练过程
2.3.3 空间变换器生成式对抗网络
本章小结
第三章 基于VGG-GAN的虚拟试装算法
3.1 引言
3.2 VGG13模型结构
3.3 VGG-GAN模型结构设计
3.3.1 生成器模型设计
3.3.2 判别器模型设计
3.4 实验设置
3.5 实验及结果分析
本章小结
第四章 基于ResNet-GAN的虚拟试装算法
4.1 引言
4.2 ResNet模型结构
4.3 ResNet-GAN模型结构设计
4.3.1 生成器模型设计
4.3.2 判别器模型设计
4.4 实验设置
4.5 实验及结果分析
本章小结
第五章 基于Django框架的虚拟试装系统实现
5.1 引言
5.2 实验环境研究
5.2.1 Django开发框架
5.2.2 MySQL数据库
5.3 框架搭建过程及结果
5.3.1 实验设置
5.3.2 网页界面虚拟试装系统设计过程
5.3.3 网页界面效果展示
本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间参与的项目
致谢
【参考文献】：
期刊论文
[1]基于弱监督预训练CNN模型的情感分析方法 [J]. 张越,夏鸿斌. 计算机工程与应用. 2018(13)
[2]生成式对抗网络研究进展 [J]. 王万良,李卓蓉. 通信学报. 2018(02)
[3]ReLU激活函数优化研究 [J]. 蒋昂波,王维维. 传感器与微系统. 2018(02)
[4]基于深度学习的图像风格转换浅论 [J]. 栾五洋. 数字通信世界. 2018(02)
[5]人脸图像年龄估计系统的设计与实现 [J]. 许梦婷,康长青,刘伟杰,张万顺. 信息通信. 2018(01)
[6]基于卷积神经网络多层特征提取的目标识别 [J]. 江彤彤,成金勇,鹿文鹏. 计算机系统应用. 2017(12)
[7]基于改进激活函数的卷积神经网络研究 [J]. 曲之琳,胡晓飞. 计算机技术与发展. 2017(12)
[8]面向2D虚拟试穿的服装推理变形仿真方法 [J]. 周千明,朱欣娟,胡西民. 计算机工程与应用. 2016(08)
[9]基于卷积神经网络的商品图像精细分类 [J]. 贾世杰,杨东坡,刘金环. 山东科技大学学报(自然科学版). 2014(06)
[10]虚拟试衣的发展现状及展望 [J]. 胡婉月,李艳梅,王迎梅,吴小娜. 上海工程技术大学学报. 2014(02)
硕士论文
[1]基于深度学习的车牌字符识别研究[D]. 杨志.安徽大学. 2018
[2]基于深度学习图像识别的研究及应用[D]. 王奥光.电子科技大学. 2018
[3]基于卷积神经网络的行人检测和识别研究[D]. 郝旭政.天津工业大学. 2018
[4]基于卷积神经网络的单帧图像超分辨率重建[D]. 陈颖龙.浙江理工大学. 2018
[5]基于DCGAN算法的图像生成技术研究[D]. 蔡晓龙.青岛理工大学. 2018
[6]基于Python的非结构化数据检索系统的设计与实现[D]. 董海兰.南京邮电大学. 2017
[7]Python代码风格对软件维护的影响研究[D]. 刘畅.南京大学. 2017
[8]基于卷积神经网络的图像识别[D]. 蒋帅.吉林大学. 2017
[9]基于WEB的生产与质检管理系统的设计与实现[D]. 毛小龙.大连理工大学. 2017
[10]基于Kinect的虚拟试衣系统的设计与实现[D]. 李智超.东南大学. 2017
本文编号：3531846
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3531846.html
