[发明专利]基于生成式对抗网络的跨域多样性图像生成方法及系统

权利要求书

1.基于生成式对抗网络的跨域多样性图像生成方法，其特征在于，包括以下步骤：

1)将参考数据集作为源域，将获取的目标数据集作为目标域；

2)将源域和目标域进行编码，得到特征向量；

3)对步骤2)得到特征向量通过分类器进行分类，得到类别标签；

将源域和目标域图像裁剪到统一尺寸，将裁剪到统一尺寸后的源域和目标域输入至神经网络，通过编码器的卷积操作后得到特征向量；

4)将类别标签、特征向量Z、源域和目标域对应的域码向量，并结合风格码S作为输入送入生成器G中，通过组合不同的类别标签、特征向量Z、域码向量、风格码S，利用生成器的神经网络的操作得到不同组合生成的图片；

所述风格码为多个离散，或多个连续变量的组合。

2.根据权利要求1所述的基于生成式对抗网络的跨域多样性图像生成方法，其特征在于，步骤1)中，将参考数据集和目标数据集按照电表类型分别分为若干个源域和若干个目标域。

3.根据权利要求1所述的基于生成式对抗网络的跨域多样性图像生成方法，其特征在于，步骤3)中采用分类器对特征向量进行分类；

分类器由全连接层结构组成，后连接一个softmax层输出。

4.根据权利要求1所述的基于生成式对抗网络的跨域多样性图像生成方法，其特征在于，步骤4中采用判别器监督图像的生成过程，保证生成的质量。

5.一种权利要求1-4任一项所述的基于生成式对抗网络的跨域多样性图像生成方法的系统，其特征在于，包括编码器、分类器、生成器和判别器；

编码器，用于对源域和目标域的图像进行编码，得到源域和目标域对应的特征向量；

分类器，用于对特征向量进行分类，并生成类别标签；

生成器，用于根据类别标签、特征向量Z、源域和目标域对应的域码向量，并结合风格码S，通过组合不同的类别标签、特征向量Z、域码向量、风格码S，利用生成器的神经网络的操作得到不同组合生成的图片；

判别器，用于监督生成器的生成图像的质量；

损失函数如下：

L＝λ₀*L_cc+λ₁*L_c+λ₂*L_h+λ₃*L_d

其中，λ₀为循环一致损失项L_CC的参数，λ₁为分类器损失项L_C的参数，λ₂为互信息损失项L_h的参数，λ₃为判别器损失项L_d的参数。

6.根据权利要求5所述的基于生成式对抗网络的跨域多样性图像生成方法的系统，其特征在于，所述生成器包括域码α、隐码β和伪标签θ；

域码α，用于控制生成图片所属的目标域的信息；

隐码β，用于控制生成图像的风格特点；

伪标签θ，控制生成图像的类别信息。