[发明专利]一种多路并行图像内容特征分离风格迁移方法及系统

权利要求书

1.一种多路并行图像内容特征分离风格迁移方法，其特征在于，包括：

准备训练风格迁移网络模型的数据集，所述数据集包括特征通道为c的源域输入图像I₁^c～h×w和目标域输入图像I₂^c～h×w，两种图像尺寸均为h×w，且I₁^c～h×w,I₂^c～h×w∈R^c～h×w，R^c～h×w为图像集合；

读取所述源域输入图像I₁^c～h×w和目标域输入图像I₂^c～h×w，分别对其进行双倍下采样操作，输出图像内容特征向量和图像风格特征向量

对所述图像风格特征向量使用全局池化和全连接函数处理，依次输出特征向量和特征向量

对所述图像内容特征向量依次使用深度卷积神经网络、全连接函数进行处理，得到特征向量

对所述图像内容特征向量使用卷积核为M^c×3×3的卷积神经网络、多层残差单元依次处理，得到特征向量

将所述特征向量与所述特征向量进行融合，得到包含多尺度内容特征的特征向量Y₁^c～h×w；

将所述特征向量与所述特征向量Y₁^c～h×w合并为特征向量Y₂^c～h×w，通过解码器输出风格迁移结果Y₃^c～h×w。

2.根据权利要求1所述一种多路并行图像内容特征分离风格迁移方法，其特征在于，所述下采样过程包括：使用M^c×2×2大小的卷积核、步长s＝1、池化系数p＝0的卷积神经网络对所述源域输入图像I₁^c～h×w和目标域输入图像I₂^c～h×w进行平均池化操作，分别输出特征向量和公式为：

其中，P_avg(x)为平均池化函数，为卷积操作。

3.根据权利要求1或2所述一种多路并行图像内容特征分离风格迁移方法，其特征在于，所述下采样过程还包括：

设定一个阈值γ，当输出特征向量小于或等于γ时，输出为0，否则输出与输入相同，其公式为：

其中，R(x)为非线性激活函数。

4.根据权利要求1所述一种多路并行图像内容特征分离风格迁移方法，其特征在于，使用全局池化以特征图的形式对图像风格特征向量进行均值化操作，输出特征向量公式为：

其中，P_globel(x)为平均池化函数，为卷积操作；

对所述特征向量使用全连接函数对每一特征通道的特征向量进行处理，输出特征向量公式为：

其中，C_f(x)为全连接函数，选用1×1的卷积核M^c～1×1，为卷积操作，j表示第j个特征通道，表示第j个特征通道上的特征向量。

5.根据权利要求1所述一种多路并行图像内容特征分离风格迁移方法，其特征在于，使用深度卷积神经网络将所述图像内容特征向量切割为q个部分，得到每一特征通道上的特征向量公式为：

其中，C_d(x)为深度卷积函数，为卷积操作；

通过全连接函数对所述深度卷积神经网络输出的特征向量进行处理，降低特征冗余性，输出特征向量公式为：

其中，C_f(x)为全连接函数。