CN119445133A 服装图像处理方法、计算机设备以及存储介质 （杭州浮云网络科技有限公司）

质的从海量的人物姿态数据中筛选出符合待展示2获取样本服装展示图像，并对所述样本服装展示图像进行关提取所述样本服装展示图像对应的人物姿态信息，并确定所述衣物关键从所述样本服装展示图像的衣物关键点中确定与所述目标衣物图像的图像关键点匹根据所述目标姿态信息和所述目标衣物图像生成目获取样本服装展示图像，并通过衣物分类模型对所述样本服装展示图像进行图像分通过关键点检测模型，基于所述图像类别信息对所述样本服装展示确定样本训练图像，并确定所述样本训练图像对应的样本服装类别和样本图像关键根据所述样本训练图像、所述样本服装类别和所述样本图像关键点基于所述分类模型训练图像和所述样本衣物类别对神经网络模型确定所述样本服装展示图像的衣物关键点和所述衣物关键点之间根据所述余弦相似度从所述样本服装展示图像的衣物关键点中确定与所述目标衣物根据所述仿射变换矩阵对所述目标姿态信息和所述目标衣物图像进3确定所述仿射变换矩阵的转置矩阵，并根据所述转置矩阵基于所述目标坐标和所述目标姿态信息生成获取人物姿态坐标调整信息，并根据所述人物姿态坐标调整信息9.一种计算机设备，包括存储器和处理器，所述存储器存被处理器执行时实现权利要求1至权利要求8中任一项所述的4从所述样本服装展示图像的衣物关键点中确定与所述目标衣物图像的图像关键根据所述目标姿态信息和所述目标衣物图像生成目5基于所述分类模型训练图像和所述样本衣物类别对神经网络模型进行模型训练，确定所述样本服装展示图像的衣物关键点和所述衣物关键点之间根据所述余弦相似度从所述样本服装展示图像的衣物关键点中确定与所述目标根据所述仿射变换矩阵对所述目标姿态信息和所述目标衣物图像进行坐标匹配，基于所述目标坐标和所述目标姿态信息生成从所述样本服装展示图像的衣物关键点中确定与所述目标衣物图像的图像关键根据所述目标姿态信息和所述目标衣物图像生成目6从所述样本服装展示图像的衣物关键点中确定与所述目标衣物图像的图像关键根据所述目标姿态信息和所述目标衣物图像生成目7[0019]其中，样本服装展示图像为服装图像处理模特身着服装进行服装图像处理的图图像中的具体姿势信息，人物姿态信息可以包括服装图像处理模特的身体线条和身体形[0023]具体的，通过人物姿态检测模型对样本服装展示图像的键点和样本服装展示图像对应的人物姿态信息作为一组样89确定样本训练图像，并确定样本训练图像对应的样本服装类别和样本图像关键点检测模型；若训练后的深度学习模型的模型损失函数不满足预设的第二损失函数条件，相似度从样本服装展示图像的衣物关键点中确定与目标衣物图像的图像关键点匹配的目[0060]在一个实施例中，根据目标姿态信息和目标衣物图像生练数据，将关键点检测模型的模型训练数据分为第二模型训练数据和第二模型测试数据。图像关键点作为监督数据。采用第二模型测试数据对训练后的深度学习模型进行模型测[0065]获取样本服装展示图像，并通过衣物分类模型对样本服装展示图像进行图像分目标矩阵中的坐标点作为目标坐标，基于目标坐标和目标姿态信息生成目标服装展示图目标姿态信息确定模块504，用于从样本服装展示图像的衣物关键点中确定与目服装展示图像生成模块505，用于根据目标姿态信息和目标衣物图像生成目标服获取样本服装展示图像，并通过衣物分类模型对样本服装展示图像进行图像分[0075]通过关键点检测模型，基于图像类别信息对样本服装展确定样本训练图像，并确定样本训练图像对应的样本服装类别和样本图像关键根据样本训练图像、样本服装类别和样本图像关键点对深度学习模型进行训练，确定样本服装展示图像的衣物关键点和衣物关键点之间根据余弦相似度从样本服装展示图像的衣物关键点中确定与目标衣物图像的图计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间执行时以实现一种服装图像处理方法。该计算机设备的显示单元用于形成视觉可见的画非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read_