[发明专利]基于条件循环一致性生成对抗网络的字体风格迁移方法

权利要求书

1.基于条件循环一致性生成对抗网络的字体风格迁移方法，其特征在于，具体按照以下步骤实施：

步骤1，创建字体样本数据集，确定出相关的源字体样本和目标字体样本，对样本数据集进行预处理，选择出相应的训练集和测试集；

步骤2，搭建生成网络模型，生成网络模型由编码器、残差块、解码器组成，生成网络模型的输入层包括源字体图片和标签字体图片，将目标字体图片作为标签字体图片；生成网络模型的输出层为目标字体图片；

步骤3，搭建判别网络模型，判别器的输入为步骤2中生成的目标风格字体图片以及源目标字体图片，判别器对生成目标字体图片和与之对应的目标字体图片做真假判别；

步骤4，搭建整体网络模型，将源字体域作为X域，目标字体域作为Y域，整体网络模型由两个生成器G_X2Y和G_Y2X与两个判别器D_X和D_Y组成，构成了一种双向环状结构，实现了两种不同风格字体之间的相互转换；

步骤5，构造损失函数，条件循环一致性损失函数同时学习两个生成器G_X2Y和G_Y2X的映射，实现G_Y2X(G_X2Y(x|L_y))≈x和G_X2Y(G_Y2X(y|L_x))≈y；条件对抗损失函数使生成域图像的分布和源域图像点的数据分布相匹配；

步骤6，利用3000对源-目标字体图片数据集对条件循环一致性生成对抗网络进行训练，得到训练后的字体风格迁移模型；通过剩余的字体图片对模型进行测试，检验模型的生成效果；

步骤7，进行字体风格转换，将源字体图片输入到字体风格迁移网络中，输出相应风格模型下的目标风格字体图片。

2.根据权利要求1所述的基于条件循环一致性生成对抗网络的字体风格迁移方法，其特征在于，所述步骤1中，具体步骤如下：

步骤1.1，对TrueType字库进行处理来构建样本数据集，将其处理为GB2312所对应的样本字体图片；

步骤1.2，对样本字体图片做归一化处理和降噪处理，每种样本字体图片都预处理为64*64大小的png格式的灰度图像；

步骤1.3，选择标准的印刷体宋体作为源字体图片，其余的字体作为目标字体图片；

步骤1.4，选择每种字体中的3000个字符图片作为训练集，其余字符图片作为测试集。

3.根据权利要求1所述的基于条件循环一致性生成对抗网络的字体风格迁移方法，其特征在于，所述步骤2中，生成网络模型的搭建步骤如下：

第一层卷积模块，输入为源字体图片和标签字体图片，输出尺度为1*256*256*64，卷积核大小为7*7，步长为1，批量标准化，Relu激活函数；

第二层卷积模块，输入第一层的输出特征，输出尺度为1*128*128*128，卷积核大小为3*3，步长为2，BatchNorm批量标准化，Relu激活函数；

第三层卷积模块，输入第二层的输出特征，输出尺度为1*64*64*256，卷积核大小为3*3，步长为2，BatchNorm批量标准化，Relu激活函数；

第三层的输出特征依次输入到9个残差块中，输出尺度为1*64*64*256，卷积核大小为3*3，步长为2；

第一层反卷积模块输入残差块的输出特征，输出尺度为1*128*128*128，卷积核大小为3*3，步长为2，BatchNorm批量标准化，Relu激活函数；

第二层反卷积模块输入第一层反卷积模块的输出特征，输出尺度为1*256*256*64，卷积核大小为3*3，步长为2，BatchNorm批量标准化，Relu激活函数；

最后一层为卷积模块，输入第二层反卷积模块的输出特征，输出尺度为1*256*256*3，卷积和大小为7*7，步长为1，通过Tanh激活函数得到目标字体图片的输出。