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的卷积核,其余卷积层采用3×3的小卷积核。判别器模型为10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74.5%,单幅图像测试时长为1.76s。3.设计并实现了基于Django框架的虚拟试装系统。本文通过搭建Django框架、配置数据库的方式设计虚拟试装网页,并将ResNet-GAN模型与Django项目进行连接。运行该虚拟试装网页界面展示一幅试装效果的平均用时为2.6s。