[发明专利]一种基于注意力机制的艺术字风格迁移系统

说明书

本发明公开了一种基于注意力机制的艺术字风格迁移系统。涉及图像合成领取与风格迁移领域。该方法采用对抗网络模型，通过生成器学习更好的内容特征，学习更好的纹理特征，然后通过判别器对生成器生成的好坏进行判断，从而引导生成器生成更好的带有风格图的艺术字图片。采用本发明的系统能够生成各种样式的艺术字，并通过关键词生成海报的宣传海报，可以用在电影里面生成各种带有不同风格样式的字体，并且还能实时调整字体的形状，生成想要形状的字体。同时还能保存古字体，一些古字体照片通过风格迁移，可以通过本发明的系统生成对应的古字体汉字，这对保留中华民族的文化有着重大的意义。

技术领域

本方法属于图像合成领域，是一种基于注意力机制的针对艺术字风格迁移的图像合成算法。

背景技术

随着大数据随着大数据时代的来临与深度学习技术的兴起，人工智能领域取得了快速发展，使得研究者对人工智能的关注度以及社会大众对人工智能的憧憬得到空前提升。图像艺术风格化是近年来非真实感绘制领域的研究热点之一，其主要考虑通过参考图像指定的样式呈现文本，实现艺术文本样式转移。根据参考图像，可以通过对现有精心设计的文本效果进行类比来对文本进行艺术化，通过对字体的艺术化，展现不同的样式，来满足各种不同的视觉任务。这在许多视觉创作任务例如海报上面的艺术字设计，广告还有word，任何需要展现字体的地方，都有很广泛的应用。将图像的风格渲染字体，改变字体的纹理，使得字体有不同的样式，使得字体有不同的风格，使得字体有不同艺术特征，不仅仅能展现图像的艺术气息，也能展现字体的艺术气息。通过风格迁移的方法可以很好的将图像的艺术风格融入到传统的字体当中来，对传统的字体的样式进行创新，并且节省了很多艺术字的创作过程的人力和时间。

图像艺术风格迁移技术在卷积神经网络(CNN)的启发下取得了进一步的发展，通过分离和重新组合图片语义与风格，卷积神经网络可以将一张图片的语义内容与不同的风格融合在一起。风格迁移的算法使用到了VGG网络，这个网络之前被用于做上述的图像分类识别，从较浅层的的卷积层提供图像特征信息，再通过后面的全连接层作一个预测判别。而我们风格迁移正好与之相反，输入内容图像和风格图像的特征，再输出对应的生成图像。将一张白噪声的图像输入到网络中，计算其与内容图像之间的距离即为内容损失函数，再计算其与风格图像之间的距离为风格损失函数，最后用梯度下降的方式使之迭代最小化，这样我们生成的图片就既可以保留内容图片的内容特征，又可以具有风格图片的某种艺术风格。

发明内容

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于注意力机制的艺术字风格迁移系统，其特征在于，包括：

图像预处理模块：形成风格图的简化结构；与风格图构成成对的训练集；

生成器，用于生成待判别的目标文字图像；

判别器，用于对生成模块生成的图像进行判别。

在上述的基于注意力机制的艺术字风格迁移系统，生成器基于一个生成对抗网络模型，该模型包含三个模块：

反向结构迁移模块：包括一个基于级联注意力的神经网络，先将得到的结构简图做高斯模糊化处理，然后模糊化的图像通过基于级联注意力的神经网络还原成原来没有模糊之前的样子；这样获得的简化结构图与风格图构成成对的训练集；

训练结构迁移模块：通过训练神经网络，使文字轮廓的周围获得风格图的边缘特征；这个模块包括一个基于级联注意力的神经网络；

纹理迁移模块：通过训练神经网络，给文字添加风格图纹理特征，例如颜色等；这个模块也是包括一个基于级联注意力的神经网络。

在上述的基于注意力机制的艺术字风格迁移系统，所述基于级联注意力的神经网络包含一个空间注意力模块和一个通道注意力模块；这两个模块通过串联相连。