[发明专利]基于多任务对抗学习网络的汉字风格迁移方法及系统

权利要求书

1.基于多任务对抗学习网络的汉字风格迁移方法，其特征是，包括：

获取待风格迁移的汉字图像；

将待风格迁移的汉字图像，输入到训练后的多任务对抗学习网络中；

训练后的多任务对抗学习网络，输出风格迁移后的多种字体图像；

所述多任务对抗学习网络，包括：

若干个并列的单通道对抗学习网络；

每个单通道对抗学习网络均包括生成器和判别器；

每个生成器，均包括依次连接的编码器和解码器；

每个编码器，均包括依次连接的第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第七卷积层和第八卷积层；所述编码器通过下采样将输入的汉字图像编程高层抽象表示；

每个解码器，均包括依次连接的第一反卷积层、第二反卷积层、第三反卷积层、第四反卷积层、第五反卷积层、第六反卷积层和第七反卷积层；所述解码器通过逐级上采样，恢复出特征图像；

所述编码器中的每一个卷积层均与对应解码器的一个反卷积层进行连接；

每一个单通道对抗学习网络的每一层卷积层均与其他任意一个单通道对抗学习网络对应层数的卷积层连接；

所述生成器由n个子网络组成，n个子网络的编码器共享信息，n个判别器相互独立，分别判断n种生成字体图片的真假，其中n是目标字体的种类数。

2.如权利要求1所述的方法，其特征是，所述获取待风格迁移的汉字图像步骤之后，所述将待风格迁移的汉字图像，输入到训练后的多任务对抗学习网络中步骤之前，还包括：对待风格迁移的汉字图像进行预处理。

3.如权利要求1所述的方法，其特征是，所述编码器中的每一个卷积层均与对应解码器的一个反卷积层进行连接，工作原理是：

解码器上采样结合编码器下采样各层信息和解码器上采样的输入信息来还原图像细节信息，并且逐步还原图像精度，保证最后恢复出来的特征图融合了若干个的low-level的特征feature，也使得不同尺度的特征feature得到融合。

4.如权利要求1所述的方法，其特征是，所述每一个单通道对抗学习网络的每一层卷积层均与其他任意一个单通道对抗学习网络对应层数的卷积层连接，具体是指：

每个单通道网络的编码器每一层与其他任意一个单通道网络的编码器对应的层之间通过L2损失连接。

5.如权利要求1所述的方法，其特征是，所述多任务对抗学习网络，训练过程包括：

构建多任务训练集、验证集和测试集；构建多任务对抗学习网络；所述训练集为选取的源风格字体汉字图像和多种目标字体汉字图像；将训练集输入到多任务对抗学习网络中进行训练，再利用验证集对多任务对抗学习网络进行验证，利用测试集对多任务对抗学习网络进行测试，最后得到训练后的多任务对抗学习网络。

6.如权利要求1所述的方法，其特征是，所述单通道对抗学习网络，是指训练后的单通道对抗学习网络；

同样的，单通道对抗学习网络的训练过程包括：

构建单任务训练集、验证集和测试集；构建单通道对抗学习网络；所述训练集为选定的源字体汉字图像和某一种目标字体汉字图像；将训练集输入到单通道对抗学习网络中进行训练，再利用验证集对单任务对抗学习网络进行验证，利用测试集对单任务对抗学习网络进行测试，最后得到训练后的单任务对抗学习网络。