[发明专利]一种图像风格迁移模型生成方法及移动终端

权利要求书

1.一种图像风格迁移模型生成方法，其特征在于，所述方法包括：

构建风格训练数据对，其中，每个数据对包含一个训练原图和一个风格图；

搭建结构顺序依次为输入层、前置层、至少一个残差特征构建层、后置层以及输出层的神经网络；

基于训练原图和风格图的均方差损失和深度感知特征的均方差损失，构建损失函数；

按照所述风格训练数据对和所述损失函数，对所述神经网络进行训练，生成图像风格迁移模型。

2.根据权利要求1所述的方法，其特征在于，在所述搭建结构顺序依次为输入层、前置层、至少一个残差特征构建层、后置层以及输出层的神经网络之后，所述方法还包括：

分别对所述神经网络中的所述前置层、所述后置层以及各残差特征构建层进行深度可分离卷积和点卷积处理，进行参数调整。

3.根据权利要求1所述的方法，其特征在于：

所述前置层包含五层卷积层；

所述后置层包含五层卷积层；

每个残差特征构建层均包含三层卷积层。

4.根据权利要求1所述的方法，其特征在于，所述依据所述风格训练数据对和所述损失函数，对所述神经网络进行训练，生成图像风格迁移模型，包括：

逐个将每个所述风格训练数据对输入至所述神经网络中；

对于输入的每个风格训练数据对，通过所述神经网络对所述风格训练数据对中的训练原图进行处理，得到结果图；

通过预先训练好的深层感知特征网络，对所述结果图和所述风格训练数据对中的风格图进行感知特征提取，得到感知特征图；

将所述感知特征图、所述结果图依据所述风格图代入所述损失函数，生成目标损失函数；

按照目标损失函数，调整所述神经网络的参数。

5.根据权利要求1所述的方法，其特征在于，在所述生成图像风格迁移模型之后，所述方法还包括：

将待处理图像输入至所述图像风格迁移模型；

通过所述图像风格迁移模型，对所述待处理图像进行风格迁移，输出所述待处理图像对应的风格迁移图像。

6.一种移动终端，其特征在于，所述移动终端包括：

构建模块，用于构建风格训练数据对，其中，每个数据对包含一个训练原图和一个风格图；

搭建模块，用于搭建结构顺序依次为输入层、前置层、至少一个残差特征构建层、后置层以及输出层的神经网络；

损失函数构建模块，用于基于训练原图和风格图的均方差损失和深度感知特征的均方差损失，构建损失函数；

训练模块，用于按照所述风格训练数据对和所述损失函数，对所述神经网络进行训练，生成图像风格迁移模型。

7.根据权利要求6所述的移动终端，其特征在于，所述移动终端还包括：

优化模块，用于在所述搭建模块搭建结构顺序依次为输入层、前置层、至少两个残差特征构建层、后置层以及输出层的神经网络之后，分别对所述神经网络中的所述前置层、所述后置层以及各残差特征构建层进行深度可分离卷积和点卷积处理，进行参数调整。

8.根据权利要求6所述的移动终端，其特征在于：

所述前置层包含五层卷积层；

所述后置层包含五层卷积层；

每个残差特征构建层均包含三层卷积层。

9.根据权利要求6所述的移动终端，其特征在于，所述训练模块包括：

输入子模块，用于逐个将每个所述风格训练数据对输入至所述神经网络中；

调用子模块，用于针对输入的每个风格训练数据对，通过所述神经网络对所述风格训练数据对中的训练原图进行处理，得到结果图；

分析子模块，用于通过预先训练好的深层感知特征网络，对所述结果图和所述风格训练数据对中的风格图进行感知特征提取，得到感知特征图；

生成子模块，用于将所述感知特征图、所述结果图依据所述风格图代入所述损失函数，生成目标损失函数；

调整子模块，用于按照目标损失函数，调整所述神经网络的参数。