[发明专利]一种图像生成方法

权利要求书

1.一种图像生成方法，其特征在于，包括：

获取训练数据集，所述训练数据集包括若干张第一图像和若干张第二图像；其中，所述第一图像为原图像，所述第二图像为待生成类别的图像；

基于CycleGAN和VAE建立神经网络模型；

通过所述训练数据集对所述神经网络模型进行训练，训练好的所述神经网络模型用于进行图像生成；

所述CycleGAN包括第一鉴别器DX、第二鉴别器DY、第一生成器G1和第二生成器G2；所述VAE包括第一编码器E1、第二编码器E2、第一分类器CX和第二分类器CY；

所述神经网络模型的结构包括：

所述第一编码器E1、第一生成器G1、第二编码器E2、第二生成器G2依次连接；所述第二生成器G2一端与所述第二编码器E2连接，另一端分别与所述第一鉴别器DX和所述第一分类器CX连接；所述第二鉴别器DY和所述第二分类器CY连接于所述第一生成器G1和所述第二编码器E2之间；

所述第一编码器E1用于输入第一图像X或第一输出图像X’，还用于输入第一图像X对应的图像类别XC，并输出第一编码ZX；

所述第一生成器G1用于输入第一编码ZX和第二图像Y对应的图像类别YC，并输出第二输出图像Y’；

所述第二编码器E2用于输入第二图像Y或第二输出图像Y’，还用于输入第二图像Y对应的图像类别YC，并输出第二编码ZY；

所述第二生成器G2用于输入第二编码ZY和第一图像X对应的图像类别XC，并输出第一输出图像X’；

所述第一分类器CX用于输入第一图像X或第一输出图像X’，并输出第一图像X或第一输出图像X’所属的类别；

所述第二分类器CY用于输入第二图像Y或第二输出图像Y’，并输出第二图像Y或第二输出图像Y’所属的类别；

所述第一鉴别器DX用于输入第一图像X或第一输出图像X’，并输出第一图像X或第一输出图像X’的真实度概率；

所述第二鉴别器DY用于输入第二图像Y或第二输出图像Y’，并输出第二图像Y或第二输出图像Y’的真实度概率。

2.根据权利要求1所述的图像生成方法，其特征在于，通过所述训练数据集对所述神经网络模型进行训练的过程中，损失函数包括：鉴别损失、类别损失、散度损失、生成损失、生成鉴别损失、生成类别损失。

3.根据权利要求2所述的图像生成方法，其特征在于，所述损失函数L的计算如式1所示：L＝L_DX+L_DY+L_CX+L_CY+λ₁L_KL+λ₂(L_GX+L_GY)+λ₃(L_GDX+L_GDY)+λ₄(L_GCX+L_GCY)……………………1

式中，L_DX、L_DY分别为第一鉴别器DX、第二鉴别器DY的鉴别损失函数；L_CX、L_CY分别为第一分类器CX、第二分类器CY的类别损失函数；L_KL为散度损失函数；L_GX、L_GY分别为第一生成器G1和第二生成器G2的生成损失函数；L_GDX、L_GDY分别为第一鉴别器DX、第二鉴别器DY的生成鉴别损失函数；L_GCX、L_GCY分别为第一分类器CX、第二分类器CY的生成类别损失函数；λ₁、λ₂、λ₃、λ₄均为权重参数。