[发明专利]一种基于语义分割的任意风格迁移方法

权利要求书

1.一种基于语义分割的任意风格迁移方法，其特征在于：包括以下步骤：

S1：设源图片I为内容图片，将内容图片和不同的风格图片放入风格迁移网络AdaIN进行训练，生成不同风格的内容图片I_s1、I_s2、…、I_sn；

S2：通过语义分割内容图片，得到带有不同目标区域语义信息的掩膜I_m1、I_m2、…、I_mn，掩膜的数量与迁移后的内容图片的数量一致；

S3：使用带不同语义信息的掩膜I_m1、I_m2、…、I_mn处理风格迁移后的内容图片I_s1、I_s2、…、I_sn，得到带语义信息的风格迁移的目标区域I_r1、I_r2、…、I_rn和内容图片的背景区域I_v；将目标区域I_r1、I_r2、…、I_rn与背景区域I_v相加得到一张多风格迁移图片(I_r1+I_r2+…+I_rn+I_v)。

2.根据权利要求1所述的一种基于语义分割的任意风格迁移方法，其特征在于：所述的步骤S1中，具体步骤为：

S11：训练前用VGG提取内容图片x和风格图片y的特征信息；

S12：向风格迁移网络AdaIN输入包括内容图片x和风格图片y的信息源，使用风格图片y的均值和方差作为仿射参数；设输入内容图片的特征的均值为μ(x)、标准差为σ(x)，输入风格图片的特征的均值为μ(y)、标准差为σ(y)，将内容图片x的通道级均值和标准差匹配到风格图片y的通道级均值和标准差：

表示对内容图片x先去风格化，再风格化到风格图片y的风格。

3.根据权利要求2所述的一种基于语义分割的任意风格迁移方法，其特征在于：所述的步骤S21中，具体步骤为：

S21：采用轻量化分割模型DABNet作为分割网络；

S22：采用内容图片x对应标注的语义图像训练分割网络，得到带语义信息的掩膜I_m1、I_m2、…、I_mn。