服装业是传统工业大流水、大分工、大批量生产的代表,但是每个服装产业却只能生产具有自己风格的服装品类,这就导致了服装设计技术只局限于本企业的服装品牌,伴随着服装设计师人员的流动,本企业的服装风格设计技术就会随之流失,因此服装产业的智能设计随着机器学习的发展受到了极大的重视。本文以科技项目为着手点,建立儿童净身尺寸和童装样板尺寸数据库,采用机器学习技术建立童装服装智能设计神经网络模型系统,自动生成童装服装尺寸模型,接着将童装服装进行风格迁移,途中对低分辨率童装服装图片进行超分辨重建,得到童装服装的高分辨图像,提高童装风格迁移效果,主要工作如下:第一,设计童装服装尺寸智能设计系统,根据实际项目中的需求,收集儿童净体尺寸数据与服装样板尺寸数据;将收集到的所述儿童净体尺寸数据和服装样板尺寸数据存储到数据库中;对所述数据库中的儿童净体尺寸数据和服装样板尺寸数据进行分析学习训练,建立预测模型;输入待定制儿童净体数据,根据预测模型得到用于童装纸样设计的细部规格数据;将所述细部规格数据输入用CAD制作好的纸样模型得到定制童装纸样,打破传统的童装主要按固定身高标准体型打版的现状,满足不同身高体型的儿童对合体服装的定制需求,实现快速高效地批量化设计个性化的单体定制儿童服装。第二,对超分辨率重建算法进行研究,针对童装服装风格款式截图分辨率低,提出了新的超分辨重建算法,进行提高童装款式照片的分辨率。最新的超分辨重建算法的研究都只注重图像重建的质量,却忽略了图像重建时间的重要性,由于课题研究中重建时间太长严重影响童装服装的款式风格转移的速度,因此需要建立一个轻量级的超分辩重建网络,既保证重建的质量的同时又减少重建的时间,达到童装服装款式风格转移的要求。第三,研究生成对抗网络童装服装的风格转移方法,响应政府的“中国智能制造2025”的强国战略方针,解决服装业有品质无时尚、有时尚无品质、产生大量积压的困境;为改变常规服装设计理念,在机器学习智能设计时代下对童装风格款式照片进行超分辨处理后,采用改进的Cyclegan网络对童装服装款式整体风格和部位风格进行风格转移,利用生成对抗网络模型的生成模型和判别模型的相互博弈学习产生相当好的新的童装风格纸样的输出。