[发明专利]图像跨域迁移方法、计算机设备、可读存储介质和程序产品

权利要求书

1.图像跨域迁移方法，在两个图像域之间对图像进行风格迁移，实施于图像跨域迁移网络模型，其特征在于，所述图像跨域迁移网络模型的训练过程包括：

获得源域图像和目标域图像，提取源域图像的第一内容特征和第一风格向量，提取目标域图像的第二内容特征和第二风格向量；

组合所述第二内容特征和所述第一风格向量，获得符合源域图像风格的第一风格迁移图像；

组合所述第一内容特征和所述第二风格向量，获得符合目标域图像风格的第二风格迁移图像；

提取所述第二风格迁移图像的内容特征、与所述第一风格向量组合获得第一源域重构图像；

提取所述第一风格迁移图像的风格向量、与所述第一内容特征组合获得第二源域重构图像；

当满足训练预期时，完成所述图像跨域迁移网络模型的训练，所述训练预期包括所述源域图像、所述第一源域重构图像、所述第二源域重构图像三者满足损失约束条件；

利用训练后图像跨域迁移网络模型，输出第一风格迁移图像和/或第二风格迁移图像。

2.如权利要求1所述的图像跨域迁移方法，其特征在于，所述图像跨域迁移网络模型的训练过程还包括：

提取所述第一风格迁移图像的内容特征、与所述第二风格向量组合获得第一目标域重构图像；

提取所述第二风格迁移图像的风格向量、与所述第二内容特征组合获得第二目标域重构图像；

所述训练预期还包括所述目标域图像、所述第一目标域重构图像、所述第二目标域重构图像三者满足损失约束条件。

3.如权利要求2所述的图像跨域迁移方法，其特征在于，所述损失约束条件采用的损失约束为交叉循环一致性损失。

4.如权利要求1所述的图像跨域迁移方法，其特征在于，所述图像跨域迁移网络模型包括内容编码器，所述图像跨域迁移方法还包括：利用内容编码器提取相应的内容特征，所述内容编码器中包括多个卷积层，在经过一个卷积层后，依次使用无参数的实例归一化进行归一化、使用ReLU函数进行激活。

5.如权利要求1所述的图像跨域迁移方法，其特征在于，所述图像跨域迁移方法还包括：利用内容编码器提取相应的内容特征，所述内容编码器包括前置处理层、下采样层和残差层，所述下采样层包括压缩提取模块，所述压缩提取模块包括：

空间压缩-通道提取模块，对输入特征进行全局平均池化后，经过非线性函数获得权重向量，用于表示全局观察输入特征中的每个通道的缩放尺度；

通道压缩-空间提取模块，对输入特征进行卷积获得空间注意力图后，通过Sigmoid激活函数获得缩放尺度；

所述压缩提取模块的输出特征为所述空间压缩-通道提取模块、所述通道压缩-空间提取模块输出的较大值。

6.如权利要求5所述的图像跨域迁移方法，其特征在于，所述图像跨域迁移网络模型包括风格编码器，所述图像跨域迁移方法还包括：利用风格编码器提取相应的风格向量，所述风格编码器依次包括前置处理层、下采样层、池化层和卷积层。

7.如权利要求5所述的图像跨域迁移方法，其特征在于，所述图像跨域迁移网络模型包括解码器，所述图像跨域迁移方法还包括：利用解码器对内容特征和风格向量组合，通过合并连接获得相应的图像；

所述解码器依次包括残差层、上采样层和卷积层，所述上采样层包括转置卷积、层归一化、以及所述压缩提取模块。

8.计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1～7任一项所述的图像跨域迁移方法的步骤。

9.计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1～7任一项所述的图像跨域迁移方法的步骤。

10.计算机程序产品，包括计算机指令，其特征在于，该计算机指令被处理器执行时实现权利要求1～7任一项所述的图像跨域迁移方法的步骤。