[发明专利]一种基于TuiGAN改进的脸谱图像风格迁移的方法

权利要求书

1.一种基于TuiGAN改进的脸谱图像风格迁移的方法，其特征在于包括以下步骤：

步骤1：搜集两张秦腔脸谱图像，设置尺寸为512x512mm；

步骤2：使用pytorch构建原始的TuiGAN网络结构，TuiGAN中的生成器由两个完全卷积网络组成；

的第n个尺度的转换I_A→I_AB的实现如下：

首先，使用Φ将预处理为作为初始图像；

其中，代表的是图像A的第n次缩放的原图像,Φ是生成器中的网络结构，是通过生成器中的网络Φ生成后的图像；

然后，使用注意力模型Ω生成一个平衡图像Aⁿ，该平衡图像对图像区域之间的长期和多尺度依赖性进行建模，使用注意力模型Ω将作为输入和输出Aⁿ，来平衡两个扩展结果；

其中，是低尺度下网络训练生成出来的图像，Ω与Φ的网路结构相似；

最后，在通过生成的Aⁿ线性组合来得到输出

其中，X表示逐像素乘法；

类似地，第n个尺度的转换I_B→I_BA的实现如下：

步骤3：在第n个尺度上，生成器生成一个注意图；

步骤4：对生成器的Φ与Ω添加两个卷积块，使其学习得到的特征更加明显；

步骤5：对判别器D添加两层卷积块nn.Conv2d(32,32,kernel_size＝(1,1),1)，使用pytorch构建更改注意力机制并且生成器和判别器的网络结构Φ与Ψ两层卷积层后的TuiGAN后网络结构，设置迭代次数，其他参数与原始的TuiGAN网络结构；

步骤6：将步骤1的两张秦腔脸谱图像传入到该网络中，设置迭代次数，其他参数保持不变，进行训练得到迁移的图像。

2.根据权利要求1所述的基于TuiGAN改进的脸谱图像风格迁移的方法，其特征在于：所述步骤4中生成器的Φ与都由原始的五个卷积块提升到了七个卷积块，Φ的第一个卷积块是nn.Conv2d(3,32,kernel_size＝(1,1),1)和最后一个卷积块是nn.Conv2d(32,3,kernel_size＝(1,1),1)，Ω的第一个卷积块是nn.Conv2d(9,32,kernel_size＝(1,1),1)和最后一个卷积块是nn.Conv2d(32,3,kernel_size＝(1,1),1)，其余卷积块全部是nn.Conv2d(32,32,kernel_size＝(1,1),1)。

3.根据权利要求1所述的基于TuiGAN改进的脸谱图像风格迁移的方法，其特征在于：所述步骤2和步骤6中设置迭代次数为100。