[发明专利]基于条件循环一致性生成对抗网络的字体风格迁移方法

摘要

本发明公开了基于条件循环一致性生成对抗网络的字体风格迁移方法，具体为：创建源字体和目标字体数据集，随数据集进行归一化处理；搭建字体风格迁移网络结构，网络由基于条件生成对抗网络和残差网络的生成器和基于PatchGAN的判别网络组成，将源字体和标签图片输入到生成器中，生成目标风格字体字体；判别器网络对生成目标字体和与之对应的真实目标字体进行真伪判别，借助对抗网络训练的思想，对汉字迁移网络进行优化，实现两种字体风格的互相映射迁移，字体生成过程减少人工干涉，提高生成字体的自动化程度。

主权项

1.基于条件循环一致性生成对抗网络的字体风格迁移方法，其特征在于，具体按照以下步骤实施：/n步骤1，创建字体样本数据集，确定出相关的源字体样本和目标字体样本，对样本数据集进行预处理，选择出相应的训练集和测试集；/n步骤2，搭建生成网络模型，生成网络模型由编码器、残差块、解码器组成，生成网络模型的输入层包括源字体图片和标签字体图片，将目标字体图片作为标签字体图片；生成网络模型的输出层为目标字体图片；/n步骤3，搭建判别网络模型，判别器的输入为步骤2中生成的目标风格字体图片以及源目标字体图片，判别器对生成目标字体图片和与之对应的目标字体图片做真假判别；/n步骤4，搭建整体网络模型，将源字体域作为X域，目标字体域作为Y域，整体网络模型由两个生成器G_X2Y和G_Y2X与两个判别器D_X和D_Y组成，构成了一种双向环状结构，实现了两种不同风格字体之间的相互转换；/n步骤5，构造损失函数，条件循环一致性损失函数同时学习两个生成器G_X2Y和G_Y2X的映射，实现G_Y2X(G_X2Y(x|L_y))≈x和G_X2Y(G_Y2X(y|L_x))≈y；条件对抗损失函数使生成域图像的分布和源域图像点的数据分布相匹配；/n步骤6，利用3000对源-目标字体图片数据集对条件循环一致性生成对抗网络进行训练，得到训练后的字体风格迁移模型；通过剩余的字体图片对模型进行测试，检验模型的生成效果；/n步骤7，进行字体风格转换，将源字体图片输入到字体风格迁移网络中，输出相应风格模型下的目标风格字体图片。/n