服装外观设计是服装设计的核心环节之一,对服装的整体美感与销量有重要贡献。其主要包括服装局部属性设计、服装局部装饰设计、服装整体风格设计三个方面。但是目前基于WGAN的服装局部属性设计方法属性生成效果差;服装局部装饰设计中的图案设计方法又严重依赖设计师,缺乏端到端智能化设计方案;而基于DCGAN的服装整体风格设计方法也存在迁移效果模糊的问题。针对以上关键技术问题,本文开展了如下研究:1.提出了基于改进WGAN的服装局部属性编辑算法。针对原始WGAN算法因特征提取网络表征能力不够,导致属性编辑效果差的问题,采用残差结构优化提升特征提取能力,同时采用感知损失函数优化属性学习过程,显著提升了属性生成效果。基于服装数据集设计实验,验证了本文算法可以进行多种服装局部属性的生成编辑。2.提出了基于改进风格迁移网络的服装局部图案设计算法。传统服装图案设计严重依赖设计师经验与灵感进行设计,缺乏智能化生成方案。为此,提出了使用实时风格迁移网络智能化生成新的时尚图案,并将其无缝贴合到无风格服装上,实现服装局部图案的端到端智能化设计。本文针对性地改进了实时风格迁移网络的归一化方法与损失函数,使生成的局部图案更加逼真。最后通过实验验证了本文所提算法可以有效实现服装局部图案的智能化设计。3.提出了基于改进DCGAN的服装整体风格迁移方法。针对原始DCGAN算法使用交叉熵损失函数难以学习各种风格的类间差异,导致风格迁移效果模棱两可的问题,提出了使用条件对比损失函数充分引导网络学习风格间差异性,同时加强特征提取网络,改进整体风格迁移效果。对比实验验证了本文算法可以取得更好的服装风格迁移效果。4.开发了服装外观智能辅助设计软件。对服装外观智能辅助设计软件进行了需求分析与系统设计,介绍并展示了服装外观智能设计软件的搭建过程与相关功能,验证了本文所提出的三种算法可以帮助用户便捷地进行服装外观智能化辅助设计。