[发明专利]单样本自适应域生成器迁移方法

权利要求书

1.单样本自适应域生成器迁移方法，其特征在于，该方法包括：

S1、利用多张源域图片及多维高斯分布中随机采样得到的多个512维的向量对预训练的生成器进行训练，获得源域生成器G_A；再利用源域生成器G_A的权重初始化目标域生成器，得到初始化后的目标域生成器G_B，同时，选取一张风格不同于源域图片作为初始化后的目标域生成器G_B的目标域引导图；

S2、从多维高斯分布中随机采样M个512维的向量，输入至源域生成器G_A合成M张源域合成图片，将M张源域合成图片和目标域引导图输入至第一CLIP图片编码器中进行特征提取，获得源域中心特征向量ν_src、目标域引导图全局特征向量ν_tar和目标域引导图局部特征向量序列F_tar；

S3、从多维高斯分布中随机采样一个512维的向量，并同时输入到源域生成器G_A和初始化后的目标域生成器G_B中，使得源域生成器G_A合成一张迁移前图片、初始化后的目标域生成器G_B合成一张迁移后图片；

S4、把合成后的迁移前图片和迁移后图片输入至第二CLIP图片编码器中，提取出迁移前图片的全局特征向量ν_A、迁移后图片的全局特征向量ν_B和迁移后图片的局部特征向量序列F_B后，并结合源域中心特征向量ν_src、目标域引导图全局特征向量ν_tar和目标域引导图局部特征向量序列F_tar，确定全局水平域迁移损失函数L_global的损失值和局部水平域迁移损失函数L_local的损失值；

同时，把合成后的迁移前图片和迁移后图片输入至逆映射器中，提取迁移前图片的属性向量ω_A和迁移后图片的属性向量ω_B；并根据迁移前图片的属性向量ω_A、迁移后图片的属性向量ω_B确定自适应属性保持损失函数L_scc的损失值；

全局水平域迁移损失函数L_global的表达式为：

其中，

Δν_samp＝ν_B-ν_A    公式2；

Δν_dom＝ν_tar-ν_src    公式3；

Δν_samp为移后图片的全局特征向量ν_B与迁移前图片的全局特征向量ν_A的差值，Δν_dom为目标域引导图全局特征向量ν_tar与源域中心特征向量ν_src的差值；

局部水平域迁移损失函数L_local的表达式为：

其中，为迁移后图片的局部特征向量序列F_B中的第i个向量，为目标域引导图局部特征向量序列F_tar中第j个向量，C_i,j为与间的余弦距离矩阵，n为迁移后图片的局部特征向量序列F_B中向量的个数，m为目标域引导图局部特征向量序列F_tar中向量的个数，i和j均为整数，且i＝1，2……n，j＝1，2……m，n和m均为整数；

S5、将全局水平域迁移损失函数L_global的损失值、局部水平域迁移损失函数L_local的损失值和自适应属性保持损失函数L_scc的损失值求和，获得总损失值；

自适应属性保持损失函数L_scc的表达式为：

L_scc＝||mask(Δω，α)·(ω_B-ω_A)||₁     公式8；

其中，α为被选取属性所占的比例，mask(Δω，α)为条件向量，Δω为平均属性差值向量，||·||₁为1的范数；

S6、判断当前总损失值是否小于预设阈值，结果为是，将其当前总损失值作为初始化后的目标域生成器G_B的最优总损失值，从而获得迁移后的目标域生成器，实现对自适应域生成器的迁移；结果为否，根据当前总损失值对初始化后的目标域生成器G_B的参数进行优化更新，实现对初始化后的目标域生成器G_B的训练，然后重新执行步骤S3。