[发明专利]一种基于多循环生成式对抗网络的图像转换方法及装置

说明书

本发明公开了一种基于多循环生成式对抗网络的图像转换方法，步骤包括：获取需要转换的图像，并将所述图像划分为不同的第一图像类别和第二图像类别；根据所述第一图像类别的图像和所述第二图像类别的图像构造出至少一个中间图像类别；根据所述第一图像类别、所述第二图像类别和所述中间图像类别构建包括若干生成器和若干判别器的生成式对抗网络；其中，所述第一图像类别对应生成第一判别器，所述第二图像类别对应生成第二判别器，以及所述中间图像类别对应生成第三判别器；通过所述生成式对抗网络进行图像转换。本发明能够提高图像转换能力以完成更加复杂和困难的转换任务。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种基于多循环生成式对抗网络的图像转换方法及装置。

背景技术

基于卷积神经网络的生成式对抗网络是目前图像到图像转换领域中最新的方法，其转换效果相比于传统方法取得了显著的提高。循环生成式对抗网络凭借其优秀的转换效果和不需要两两配对的数据集的优势成为了当前常用的图像转换方法。

循环生成式对抗网络的主要缺点在于难以处理较为复杂困难的图像转换任务，当循环生成式对抗网络中第一图像类别和第二图像类别之间的图像差异较大时，神经网络的用于训练的算法会因无法收敛而导致图像转换失败。请参见图1，图1为现有技术的循环生成式对抗网络图像转换方法，图中有两个图像类别，类别01和类别02，而当图像类别之间的图像差别较大时，会导致每个循环生成式对抗网络的用于训练的算法无法收敛而图像转换失败。

发明内容

针对上述技术问题，本发明提供了一种基于多循环生成式对抗网络的图像转换方法及装置，能够提高图像转换能力以完成更加复杂和困难的转换任务。所述技术方案如下：

第一方面，本发明实施例提供了一种基于多循环生成式对抗网络的图像转换方法，步骤包括：

获取需要转换的图像，并将所述图像划分为不同的第一图像类别和第二图像类别；

根据所述第一图像类别的图像和所述第二图像类别的图像构造出至少一个中间图像类别；

根据所述第一图像类别、所述第二图像类别和所述中间图像类别构建包括若干生成器和若干判别器的生成式对抗网络；其中，所述第一图像类别对应生成第一判别器，所述第二图像类别对应生成第二判别器，以及所述中间图像类别对应生成第三判别器；

通过所述生成式对抗网络进行图像转换。

在本发明第一方面的第一种可能的实现方式中，所述根据所述第一图像类别、所述第二图像类别和所述中间图像类别构建包括若干生成器和若干判别器的生成式对抗网络，包括：

生成第一生成器、第二生成器、第三生成器和第四生成器；其中，所述第一生成器用于将所述第一图像类别的图像转换成所述中间图像类别的图像；所述第二生成器用于将所述中间图像类别的图像转换成所述第二图像类别的图像；所述第三生成器用于将所述第二图像类别的图像转换成所述中间图像类别的图像；所述第四生成器用于将所述中间图像类别的图像转换成所述第一图像类别的图像。

在本发明第一方面的第二种可能的实现方式中，所述基于多循环生成式对抗网络的图像转换方法还包括对所述生成式对抗网络基于损失函数训练方法进行训练。

在本发明第一方面的第三种可能的实现方式中，所述对所述生成式对抗网络基于损失函数训练方法进行训练，具体步骤为：

根据生成式对抗网络自带的生成对抗损失函数和在生成式对抗网络中提取的循环一致性损失函数构建总损失函数；

构建通过修改生成器的参数使所述总损失函数最小同时通过修改判别器的参数使所述总损失函数最大的总函数；

对所述总函数进行求解。

在本发明第一方面的第四种可能的实现方式中，所述对所述总函数求解，具体为：