[发明专利]一种基于对抗网络的道路箭头图片生成方法及系统在审
申请号: | 202110868084.0 | 申请日: | 2021-07-30 |
公开(公告)号: | CN113780068A | 公开(公告)日: | 2021-12-10 |
发明(设计)人: | 何云;何豪杰;罗跃军 | 申请(专利权)人: | 武汉中海庭数据技术有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 武汉蓝宝石专利代理事务所(特殊普通合伙) 42242 | 代理人: | 朱才永 |
地址: | 430000 湖北省武汉市*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 对抗 网络 道路 箭头 图片 生成 方法 系统 | ||
1.一种基于对抗网络的道路箭头图片生成方法,其特征在于,包括:
向预先训练后的对抗网络模型中分别输入目标图片和参考图片,获取所述对抗网络模型输出的与所述目标箭头的类型相同,且与所述参考箭头的风格信息和背景信息相同的新目标箭头,其中,所述目标图片中包括目标箭头,所述参考图片中包括参考箭头;
将新目标箭头融合到所述参考图片中。
2.根据权利要求1所述的道路箭头图片生成方法,其特征在于,所述对抗网络模型包括生成器G、映射网络M、风格编码器E和鉴别器D,对抗网络模型的训练过程包括:
收集不同场景下的道路图像,提取每一张道路图像中的道路箭头区域,并对道路箭头的类型进行标注,作为训练样本集,对所述对抗网络模型进行训练。
3.根据权利要求2所述的道路箭头图片生成方法,其特征在于,所述对所述对抗网络模型进行训练,包括:
向生成器G中输入道路箭头的目标类型和原始图片,所述原始图片中道路箭头的类型与道路箭头的目标类型不同,获取所述生成器G生成的第一新图片,其中,第一新图片中的道路箭头的类型为目标类型;
将生成的第一新图片分别输入判别器D和再次回环输入生成器G中,通过判别器D判别生成的第一新图片为虚假图片还是真实图片,以及第一新图片中道路箭头的类型,通过再次输入生成器G中,生成第二新图片,所述第二新图片中的道路箭头的类型与原始图片中道路箭头的类型相同;
计算第二新图片中的道路箭头和原始图片中的道路箭头之间的损失,反复训练得到最优的对抗网络模型。
4.根据权利要求3所述的道路箭头图片生成方法,其特征在于,所述第二新图片中的道路箭头和原始图片中的道路箭头之间的损失包括对抗损失、风格重建损失、风格差别多元化损失和循环一致性损失。
5.根据权利要求1-3任一项所述的道路箭头图片生成方法,其特征在于,所述道路箭头的类型包括直行箭头和左转箭头,所述目标图片中目标箭头的类型为左转箭头,所述参考图片中参考箭头的类型为直行箭头,所述生成的新目标箭头为新左转箭头。
6.根据权利要求5所述的道路箭头图片生成方法,其特征在于,所述风格信息和背景信息至少包括导向箭头的倾斜角度、大小、图片的对比度和亮度。
7.根据权利要求6所述的道路箭头图片生成方法,其特征在于,所述将新目标箭头融合到所述参考图片中,包括:
调整生成的新左转箭头的亮度和对比度与参考图片中直行箭头的亮度和对比度一致;
基于泊松融合算法调整新左转箭头的风格和背景颜色,获取调整后的新左转箭头;
将调整后的新左转箭头覆盖参考图片中的直行箭头,生成最终的道路箭头图片。
8.一种基于对抗网络的道路箭头图片生成系统,其特征在于,包括:
输入模块,用于向预先训练后的对抗网络模型中分别输入目标图片和参考图片,所述目标图片中包括目标箭头,所述参考图片中包括参考箭头;
获取模块,用于获取所述对抗网络模型输出的与所述目标箭头的类型相同,且与所述参考箭头的风格信息和背景信息相同的新目标箭头;
融合模块,用于将新目标箭头融合到所述参考图片中。
9.一种电子设备,其特征在于,包括存储器、处理器,所述处理器用于执行存储器中存储的计算机管理类程序时实现如权利要求1-7任一项所述的基于对抗网络的道路箭头图片生成方法的步骤。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机管理类程序,所述计算机管理类程序被处理器执行时实现如权利要求1-7任一项所述的基于对抗网络的道路箭头图片生成方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉中海庭数据技术有限公司,未经武汉中海庭数据技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110868084.0/1.html,转载请声明来源钻瓜专利网。