1.一种服装图像自动生成系统，其特征在于，包括：服装图像检索模块，将搜集的服装图像进行属性标注的图像属性自动标注模块，以及服装图像自动生成模块；

所述服装图像检索模块包括：以文搜图、以图搜图，其中所述以图搜图的所述图像为使用者拍摄的服装图像和/或直接输入待查询的图像；所述图像属性自动标注模块通过构建相关的图像标注库，在所述图像标注库的构建基础上训练标注模型，自动识别图像预定义的属性，完成对未标注图像的自动属性标注；

所述图像自动生成模块，根据预设的属性标签信息通过生成式对抗网络产生符合属性条件的服装图像；

所述服装图像检索模块通过网络平台上的图像或者拍照，通过原始图像和属性标签构建服装图像数据集，建立基于深度学习技术的服装图像检索系统；

所述服装图像检索系统通过深度模型提取图像的颜色、纹理、风格特征，通过计算特征间的距离返回服装图像数据库中同查询图像标签相同的样本；假设两张图像的哈希编码为b1和b2，则它们的汉明距离定义如下：其中 为逻辑异或运算，||*||1为L1范数，即向量中非零元素的个数。

2.根据权利要求1所述的一种服装图像自动生成系统，其特征在于，所述图像属性自动标注模块对欲查询的服装图像属性信息进行分类标注；

所述图像属性自动标注模块通过深度卷积神经网络从数据集中自动学习服装属性分类器，实现服装图像属性标签的标注；假设需要标注的图像为I，深度模型经过多层映射会预测图像各属性标签的概率，即：

p(lj|I)＝fM(fM‑1(fM‑2(…f1(I))))；

其中fm表示深度网络的第m层映射函数，p(lj|I)表示图像I被预测为第j个属性的概率，如果该值小于0.5，则图像I不会被标注为lj属性。

3.根据权利要求1所述的一种服装图像自动生成系统，其特征在于，所述图像自动生成模块通过依据输入的属性信息和服装图像信息生成新的服装图像；

所述新的服装图像将具有原始服装图像的标签属性同时符合输出的属性需求；

所述图像自动生成模块工作包括以下步骤：S1：根据图像数据和其属性标签优化下述目标函数，学习判别器D和生成器G：其中，pdata(x)表示图像的分布，y表示图像的属性标签向量，z服从标准高斯分布pz(z)，D通过最大化真实图像标签对(x，y)的对数似然函数logD(x|y)和根据标签y生成的图像的对数似然函数1‑logD(G(z|y))进行学习，G为通过最大化对数似然函数logD(G(z|y)学习根据属性标签向量y产生符合属性需求的真实图像；

S2：根据用户提供的属性标签 和经过训练的生成器G生成符合该属性的真实图像z～Pz(z)；

其中，z表示从Pz(z)分布中采样的噪声数据。

4.根据权利要求1所述的一种服装图像自动生成系统，其特征在于，所述服装图像自动生成系统还具有：服装图像储存检索模块、服装图像属性自动标注模块以及服装图像生成新图像模块；

所述服装图像储存检索模块，将搜集的服装图像存储起来，整理成服装图像数据集并构建检索系统；

服装图像属性自动标注模块，根据数据集里的服装图像进行属性标注，利用一种基于深度学习的图像分类方法，完成数据集图像的自动标注；

服装图像生成新图像模块，基于所得服装图像属性标签的信息，利用条件生成式对抗网络自动生成新图像。

5.应用权利要求1‑4所述的系统的一种服装图像自动生成的方法，包括如下步骤：步骤一：建立服装图像数据集；通过使用者输入的文本信息，关键字以及图像内容进行检索或者采用直接拍照的方式获取图像；

步骤二：获取图像后，根据预设的服装图像属性对所获的图像进行人工标注；

步骤三：通过所述具有属性标注信息的服装图像集，训练基于深度卷积神经网络模型的服装图像属性分类器；

步骤四：通过服装图像属性分类器对未标注图像进行自动标注服装图像属性；

步骤五：通过具有属性标注信息的服装图像集训练条件生成式对抗网络；

步骤六：通过训练完成的生成模型并产生新图像。