[发明专利]基于生成对抗网络的多标签汽车造型生成方法

权利要求书

1.基于生成对抗网络的多标签汽车造型生成方法，其特征在于，主要包括以下步骤：

1)获取所述真实汽车图片，并打上标签Fi；i＝1，2，…，n；n为标签类别总数。

2)建立汽车图片对抗生成网络，包括汽车图片生成器G和汽车图片判别器D＝[D1,D2,…，Dn]；

3)将高斯噪声和所有i种标签数据输入到汽车图片生成器G中，得到汽车生成图片。

4)分别利用汽车图片判别器Di和Fi标签，计算汽车生成图片和真实图片中Fi标签数据组合损失；i初始值为1；

5)将汽车生成图片和真实图片中Fi标签数据组合损失反馈给汽车图片判别器Di，更新汽车图片判别器Di权重；

6)判断i≤n是否成立，若是，则进入步骤6)，否则，令i＝i+1，并返回步骤4)，

7)将汽车生成图片所有标签数据组合损失反馈给汽车图片生成器G，更新汽车图片生成器G的权重；

8)重复步骤3)至步骤7)，直至汽车图片判别器D的总损失函数L_D低于设定值；

9)在汽车图片对抗生成网络中输入指定的h种标签，输出对应的汽车生成图片；h≤n。

2.根据权利要求1所述的基于生成对抗网络的多标签汽车造型生成方法，其特征在于：所述标签类别包括汽车颜色F1、汽车车头方向F2、汽车品牌F3、汽车车型F4、汽车型号F5、汽车占真实汽车图片的比例F6、车身材质F7。

3.根据权利要求1所述的基于生成对抗网络的多标签汽车造型生成方法，其特征在于：所述汽车图片生成器G包括噪声条件合成模块和生成模块；生成模块包括一个批标准化层、若干上采样块和一个输出块；每个上采样块包括上采样层、3*3卷积层、批标准化层、ReLU激活函数层；输出块包括卷积层和Tanh激活函数层；所述生成模块输出汽车生成图片。

4.根据权利要求1所述的基于生成对抗网络的多标签汽车造型生成方法，其特征在于：所述噪声条件合成模块将高斯噪声与指定的所有i种标签数据进行点乘，从而得到融合条件信息的点乘结果；所述噪声条件合成模块将点乘结果输入至生成模块。

5.根据权利要求1所述的基于生成对抗网络的多标签汽车造型生成方法，其特征在于，汽车图片判别器D包括卷积层、LeakyReLU激活函数层、判别块；所述判别块包括卷积层、批标准化层，LeakyReLU激活函数层、输出块；所述输出块包括卷积层、ReLU激活函数层、全连接层、输出层；其中，ReLU激活函数层的输出传输至全连接层，得到输出值r1；ReLU激活函数层的输出与Fi标签的one-hot编码进行点乘，，得到点乘结果r2；输出层输出结果R＝r2+r1。

6.根据权利要求1所述的基于生成对抗网络的多标签汽车造型生成方法，其特征在于：汽车图片判别器Di的Fi标签组合损失Li如下所示：

式中，R_i是汽车图片判别器Di中输出块全连接层输出结果；c为Fi的种类数目；y_j为Fi标签的one-hot编码形式；p_j为上一层网络的输出概率分布。

7.根据权利要求1所述的基于生成对抗网络的多标签汽车造型生成方法，其特征在于：汽车图片判别器D的总损失函数L_D如下所示：

L_D＝λ₁L₁+λ₂L₂+...+λ_iL_i； (2)

式中，λ₁、λ₂、...、λ_i为用于平衡Fi标签组合损失的超参数。