[发明专利]一种手绘线条画生成现实感图像的深度学习方法

说明书

本发明涉及一种手绘线条画生成现实感图像的深度学习方法，S1:建立双层GAN结构，包括第一层GAN结构和第二层GAN结构；S2:收集并生成用于训练网络的“真实图像‑模拟线条画”数据集；S3:根据“真实图像‑模拟线条画”数据集，训练第一层GAN结构，得到训练后的第一层GAN结构；S4:将待处理的手绘线条画输入训练后的第一层GAN结构，得到粗粒度现实感图像；S5:根据“真实图像‑粗粒度现实感图像”数据集，训练第二层GAN结构，得到训练后的第二层GAN结构；S6:将粗粒度现实感图像输入训练后的第二层GAN结构，得到高分辨现实感图像。本发明采用级联两层GAN网络结构，逐步纠偏、丰富图像细节，生成具有现实感的高分辨图像；便捷实用，有利于人机交互，生成图效果具真实感。

技术领域

本发明涉及图形图像的现实感生成领域，具体涉及一种手绘线条画生成现实感图像的深度学习方法。

背景技术

随着智能手机等触屏设备和人机交互技术的快速发展与普及，手绘线条画成为一种运用广泛的人机交互载体；同时，手绘线条画也是人类对事物的抽象化、概括化的认知体现，对手绘线条画的研究有助于了解人的认知规律，是人工智能领域中很有活力的研究方向。目前已有针对手绘线条画识别、基于手绘线条画的图像检索等问题的研究工作，而本发明提出了一类新的应用，即用户输入手绘线条画，本方法可生成对应的现实感图像。具体而言，就是用户输入手绘线条画，本发明可生成出内容一致、形状相似的现实感图像。本方法将传统手绘艺术和智能技术相结合，在视觉编辑、幼儿教育、商业推广、人机交互等方面可产生更有创造性、趣味性和实用性的应用效果。

发明内容

有鉴于此，本发明的目的在于提供一种手绘线条画生成现实感图像的深度学习方法，用于实现手绘线条画生成现实感图像。

为实现上述目的，本发明采用如下技术方案：

一种手绘线条画生成现实感图像的深度学习方法，包括以下步骤：

步骤S1:建立双层GAN结构，包括第一层GAN结构和第二层GAN结构；

步骤S2:收集并生成用于训练网络的“真实图像-模拟线条画”数据集；

步骤S3:根据“真实图像-模拟线条画”数据集，训练第一层GAN结构，得到训练后的第一层GAN结构；

步骤S4:将待处理的手绘线条画输入训练后的第一层GAN结构，得到粗粒度现实感图像；

步骤S5:根据“真实图像-粗粒度现实感图像”数据集，训练第二层GAN结构，得到训练后的第二层GAN结构；

步骤S6:将粗粒度现实感图像输入训练后的第二层GAN结构，得到高分辨现实感图像。

进一步的，步骤S1具体为:

步骤S11:基于GAN框架，建立双层GAN结构；GAN框架是由两个模型构成，分别称为生成模型和判别模型。生成模型的任务是学习真实图像的特征分布从而产生一张同分布的模拟图片，判别模型用于判断一张给定的图片是来自数据集里的真实图片还是生成器生成的同分布模拟图片。两个模型联合进行对抗训练，生成模型产生一张图片期望欺骗判别模型，而判别模型要判断这张图片的真伪，随着训练的过程的迭代进行，两个模型最终达到稳态，此时生成模型就学习到了训练数据的分布从而可用于模拟产生与数据分布相似的图像。本方法中，生成模型采用“U-net”结构形式；两层GAN的结构是相同的；