[发明专利]一种漫画生成方法、系统、电子设备及介质

权利要求书

1.一种漫画生成方法，其特征在于，包括：

提供多维元素，所述多维元素包括：漫画图片、预处理漫画图片和实际图片；

提供神经网络，将所述多维元素输入所述神经网络进行训练，获取生成模型，其步骤包括：所述神经网络包括生成网络和鉴别网络，将所述实际图片输入所述生成网络，获取转化漫画图片；分别将所述漫画图片、所述转化漫画图片以及所述预处理漫画图片输入所述鉴别网络，获取对应的鉴别结果；依据所述漫画图片、所述转化漫画图片以及所述预处理漫画图片所对应的鉴别结果、内容特征、风格特征确定第一损失函数和第二损失函数，其中，所述第一损失函数为鉴别网络的损失函数，所述第二损失函数为生成网络的损失函数；通过配置所述第一损失函数对所述鉴别网络进行训练，通过所述第二损失函数对所述生成网络进行训练，获取所述生成模型；

将所述多维元素输入所述生成模型，获取目标漫画；

所述第一损失函数的数学表达为：

d_total_loss＝BCELoss(D_real,1)+BCELoss(D_fake,0)+BCELoss(D_edge,0)

其中，d_total_loss为所述第一损失函数，BCELoss为二进制交叉熵损失函数，D_real为所述漫画图片的鉴别结果，D_fake为所述转化漫画图片的鉴别结果，D_edge为所述预处理漫画图片的鉴别结果；

BCELoss的数学表达如下：

l_n＝-[y_n·log(x_n)+(1-y_n)·log(1-x_n)]

其中，x_n为输入值，y_n为目标向量值；

所述第二损失函数的数学表达为：

g_total_loss＝BCELoss(D_fake,1)+L1Loss(x_feature,G_feature)+L1Loss(y_feature,G_feature)

其中，g_total_loss为第二损失函数，L1Loss为L1范数损失度量函数,D_fake为所述转化漫画图片的鉴别结果，x_feature为实际图片经VGG网络提取的内容特征，G_feature为转化漫画图片经VGG网络提取的风格特征，y_feature为所述漫画图片经VGG网络提取的风格特征，L1Loss(x_feature，G_feature)衡量实际图片与转化漫画间的内容损失，L1Loss(y_feature，G_feature)衡量漫画图片与转化漫画间的风格损失，

L1Loss的数学定义如下：

其中：

d_n＝|x_n-y_n|。

2.根据权利要求1所述的漫画生成方法，其特征在于，所述预处理漫画图片的生成过程包括：对所述漫画图片边缘进行平滑处理，获取所述预处理漫画图片。

3.根据权利要求1所述的漫画生成方法，其特征在于，所述实际图片的内容特征、所述转化漫画图片的风格特征以及所述漫画图片的风格特征的提取过程包括：

提供VGG神经网络，去掉VGG网络的全连接层，仅保留VGG的所有卷积层输出作为风格特征提取器，由VGG网络对所述实际图片提取内容特征，对所述漫画图片及所述转化漫画图片提取风格特征。

4.根据权利要求1至3任一项所述的漫画生成方法，其特征在于，所述神经网络包括GAN网络，所述生成网络包括G网络，所述鉴别网络包括D网络。