[发明专利]一种通过搭建神经网络生成花鸟艺术字图像的方法有效
申请号: | 201810749559.2 | 申请日: | 2018-07-10 |
公开(公告)号: | CN109146989B | 公开(公告)日: | 2023-02-14 |
发明(设计)人: | 张见威;黎官钊;刘珍梅;陈丹妮;何君婷 | 申请(专利权)人: | 华南理工大学 |
主分类号: | G06T11/00 | 分类号: | G06T11/00;G06N3/0464;G06N3/08;G06T5/00 |
代理公司: | 广州市华学知识产权代理有限公司 44245 | 代理人: | 李斌 |
地址: | 510640 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 通过 搭建 神经网络 生成 花鸟 艺术字 图像 方法 | ||
1.一种通过搭建神经网络生成花鸟艺术字图像的方法,其特征在于,包括下述步骤:
(1)构建一个新的图像数据集,将该图像数据集作为训练的真实目标图像,同时进行网络输入源图像的准备,即目标花鸟艺术字对应汉字的粗线条图像;
(2)使用8-connect块构建卷积神经网络作为生成器,构建马尔可夫卷积神经网络作为判别器并设计GLS损失函数作为网络损失函数;
所述步骤(2)中,设计GLS损失函数表达式为:
其中,为条件对抗损失,为L1距离损失,为结构相似性损失,ɑ、β分别为权重系数;
GLS损失函数中损失部分具体表达式为:
GLS损失函数中LL1(G)损失部分具体表达式为:
上述和中x为成对图像数据集(input,target)中的input图像,y为target图像,G为生成器网络,D为判别器网络;
GLS损失函数中LSSIM(G)损失部分具体表达式为:
上式中G为生成器网络,p为x的取13×13像素大小的图像窗口中心,N为窗口数量,x为成对图像数据集(input,target)中的input图像,y为target图像,μx为x的均值,μy为y的均值,σx为x的标准差,σy为y的标准差,σxy为x和y的协方差,c1和c2默认为分别取0.02和0.03
(3)将构建的图像数据集输入到生成器和判别器进行训练;
(4)使用训练好的生成器进行花鸟艺术字图像的生成。
2.根据权利要求1所述通过搭建神经网络生成花鸟艺术字图像的方法,其特征在于,所述步骤(1)中,构建一个新的图像数据集ChineseArtCharacter360,具体方法为:
(1-1)通过网络搜索引擎获取公开、公益性的花鸟艺术字图像,并对图像进行去噪处理、调整分辨率大小处理,选出360个汉字对应的360幅花鸟字图像,作为训练的真实目标图像即为360幅target图像;
(1-2)同时进行网络输入源图像的准备,即目标花鸟艺术字对应汉字的粗线条图像360幅,此为360幅input图像;
(1-3)将input图像和target图像组成成对图像的数据集作为网络训练与测试的数据集。
3.根据权利要求1所述通过搭建神经网络生成花鸟艺术字图像的方法,其特征在于,所述步骤(2)中,每个8-connect块内部数据流分支形成数字“8”形状,具体计算表达式为:
out=F(R(F(in)+in))+R(F(in)+in)
上述式子中in为8-connect块的输入,out为输出,F为卷积、归一化,R为ReLU激活操作;
(2-1-1)提取图像整体的粗特征,以分别对其卷积、归一化、ReLU激活为一组操作,重复改组操作3次;
(2-1-2)取图像局部的深层特征,将在第一步中得到的特征输出经过8次8-connect块,每个8-connect块输出特征图通道数保持不变;
(2-1-3)生成图像,分别重复进行3次反卷积恢复通道数为3。
4.根据权利要求1所述通过搭建神经网络生成花鸟艺术字图像的方法,其特征在于,所述步骤(2)中,构建判别器的具体方法为:
(2-2-1)将输入图像对在通道维度上拼接,即两幅通道数为3的图像拼接为通道数为6的特征图;
(2-2-2)通过5次卷积操作,其中卷积核大小4×4,步长为2,前四次卷积每次输出通道数为输入通道数的2倍,最后一次卷积输出通道数降为1,即最终得到30×30×1的特征大小作为输出;
(2-2-3)除最后一次卷积直接输出结果,前面每次卷积后均进行归一化处理,并使用正半轴斜率为1、负半轴斜率为0.2的Leakly ReLU函数进行激活。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学,未经华南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810749559.2/1.html,转载请声明来源钻瓜专利网。