[发明专利]一种基于条件级联对抗生成网络的行人图像生成方法有效
申请号: | 201910162468.3 | 申请日: | 2019-03-05 |
公开(公告)号: | CN110070587B | 公开(公告)日: | 2023-02-10 |
发明(设计)人: | 王慧燕 | 申请(专利权)人: | 浙江工商大学 |
主分类号: | G06T11/00 | 分类号: | G06T11/00;G06N3/08 |
代理公司: | 杭州天正专利事务所有限公司 33201 | 代理人: | 王兵;黄美娟 |
地址: | 310018 浙江*** | 国省代码: | 浙江;33 |
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 条件 级联 对抗 生成 网络 行人 图像 方法 | ||
一种基于条件级联对抗生成网络的行人图像生成方法,包括以下步骤:步骤1构建Stack Conditional Generative Adversarial Network深度神经网络并训练;步骤2利用SCGAN网络进行行人图像生成,过程包括:首先生成100维度的高斯分布噪声,然后对需要生成的行人属性编码,得到条件控制编码。串联高斯噪声与条件控制编码输入网络,取出各级生成器的输出,得到初步生成的图像。最后利用双线性插值算法将生成的图像长宽比例调整为1:2.5得到最终的生成结果。本发明实现了利用条件控制对抗生成网络生成具有特定行人属性的图像,提出的条件编码方式使得条件控制对抗生成网络的训练过程更加简易。
技术领域
本发明属于图像处理和模式识别领域,涉及一种基于对抗生成网络,通过加入条件控制变量实现的行人图像生成方法。
背景技术
图像生成就是按照实际需要,通过计算机自动生成数字图像的一种技术。图像生成的应用范围非常广泛,例如以往公安部门根据报案人的描述手绘出嫌疑人的肖像,用于查找嫌疑人,即可通过计算机高效自动生成,大大降低了获取嫌疑人肖像的代价。在人工智能兴起的今天,图像数据对于训练人工智能极为重要。但是真实的图像数据的获取成本过高,许多中小企业无力承担。利用图像生成技术可以以极低的代价短时间产生巨量的数据,从而解决这一问题。
自数字图像处理技术诞生至今,图像生成一直是较为棘手的问题之一。生成图像的质量远远达不到实际要求。一方面图像不够逼真,存在模糊、失真等问题。另一方面,高分辨率的图像难以生成。作为神经网络的一个重要分支,对抗生成网络自2014年由Goodfellow Lan等人提出用于图像生成以来,极大的促进了该领域的发展。对抗生成网络(Generative Adversarial Net,简称GAN)蕴含了博弈论的思想,分别构造出生成器模型和判别器模型,在训练过程中二者不断博弈,最终达到平衡。生成器与判别器的本质是两个不同任务的神经网络,生成器用于生成图像,判别器用于判定图像是真实的还是生成的。生成器不断的生成虚假的图像以欺骗判别器,判别器不断提高自己的辨识能力,从而也促进生成器生成更为逼真的图像。
最初的GAN网络虽然可以极大的提升生成图像的质量。但并不能随心所欲的按一定条件生成相应的图像。后来Scott Reed等人发表了论文《Generative Adversarial Textto Image Synthesis》,实现了通过语言描述生成与描述相符的图像。实现了控制生成内容的功能。但是该方法首先将描述语言转换成控制向量,而该过程嫉妒依赖语言描述模型生成向量的质量。训练难度大且复杂。生成图像的分辨率也只有64x64像素。受其启发,HanZhang发表了论文《StackGAN:Text to Photo-realistic Image Synthesis with StackedGenerative Adversarial Networks》,采用级联的结构克服了分辨率不足的问题。
发明内容
本发明要克服现有技术的上述缺点,提供一种基于条件级联对抗生成网络的行人图像生成方法。
本发明针对现有算法的不足,简化了控制变量生成的过程,并将其应用于构造的级联生成网络中,提出了一种基于条件级联对抗生成网络的行人图像生成方法。
本发明设计了一种新的网络结构Stack Conditional Generative AdversarialNetwork(简称SCGAN)。不同于以往的条件对抗生成网络,SCGAN一方面采用级联的网络结构用于生成高分辨率图像,另一方面,在保证图像质量的前提下,改进了控制变量的生成模式,省去了训练语言描述转换模型的步骤。详见下文描述:
一种基于条件级联对抗生成网络的行人图像生成方法,包括以下步骤:
步骤1构建提出的Stack Conditional Generative Adversarial Network网络并训练;具体包括:
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浙江工商大学,未经浙江工商大学许可,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/201910162468.3/2.html,转载请声明来源钻瓜专利网。