[发明专利]一种图像生成方法及装置

权利要求书

1.一种图像生成方法，其特征在于，包括：

采集噪声数据，并循环执行以下操作，直至确定生成预测数值达到设定门限值为止：

从所述噪声数据中抽取采样噪声，通过生成网络对所述采样噪声进行反卷积操作，生成虚假样本图像；

采用判别模型计算所述虚假样本图像的生成预测数值，并基于所述生成预测数值和生成设定数值之间的生成概率值误差，生成所述生成模型对应的生成损失函数；

判断所述生成预测数值是否达到设定门限值？判断为否时，对所述生成模型的生成网络参数进行更新；

输出最新更新获得的生成模型，并通过所述生成模型，基于表征指定应用场景的噪声数据，生成相应的虚假样本图像。

2.如权利要求1所述的方法，其特征在于，在获取噪声数据之前，进一步包括：

采集样本图像生成相应的训练数据集合；

循环执行以下操作，直到确定判别概率值误差的取值是否为历史最低值，且判别准确率为历史最高值为止：

在所述训练数据集合中选取一个样本图像，采用判别模型对所述样本图像进行卷积操作，计算相应的判别预测数值；

计算所述样本图像对应的判别预测数值和判别真实数值之间的判别概率值误差，并根据判别概率值误差，计算所述判别模型对应的判别损失函数；

判断所述判别概率值误差的取值是否为历史最低值，且判别准确率为历史最高值，判断为否时，对所述判别模型的判别网络参数进行更新；

输出最新更新获得的判别模型。

3.如权利要求2所述的方法，其特征在于，根据判别概率值误差，计算所述判别模型对应的判别损失函数，包括：

获取当前生成的所述样本图像对应的判别预测数值和判别真实数值之间的判别概率值误差，所述样本图像为真实样本图像或虚假样本图像；

获取历史上生成的其他样本图像对应的判别预测数值和判别真实数值之间的判别概率值误差，所述其他样本图像为真实样本图像或/和虚假样本图像；

基于已获得的所有判别概率值误差，结合当前生成的判别网络参数，计算所述判别模型对应的判别损失函数。

4.如权利要求2所述的方法，其特征在于，对所述判别模型的判别网络参数进行更新，包括：

基于所述判别损失函数，采用梯度上升法，对所述判别模型的判别网络参数进行更新，其中，所述判别网络参数包含所述判别模型中的全部权值和偏置值。

5.如权利要求1－4任一项所述的方法，其特征在于，基于所述生成预测数值和生成设定数值之间的生成概率值误差，生成所述生成模型对应的生成损失函数，包括：

获取当前生成的所述虚假样本图像对应的生成预测数值和生成设定数值之间的生成概率值误差；

获取历史上生成的其他虚假样本图像对应的生成预测数值和生成设定数值之间的生成概率值误差；

基于已获得的所有生成概率值误差，结合当前生成的生成网络参数，计算所述生成模型对应的生成损失函数。

6.如权利要求5所述的方法，其特征在于，对所述生成模型的生成网络参数进行更新，包括：

基于所述生成损失函数，采用梯度下降法，对所述生成模型的生成网络参数进行更新，其中，所述生成网络参数包含所述生成模型中的全部权值和偏置值。

7.如权利要求5所述的方法，其特征在于，在基于所述生成损失函数对所述生成模型的生成网络参数进行更新之前，进一步包括：

固定判别网络当前使用的判别网络参数，暂停更新所述判别网络的判别网络参数。