[发明专利]一种基于生成对抗网络模型改变图像风格的方法在审
| 申请号： | 201810101716.9 | 申请日： | 2018-02-01 |
| 公开（公告）号： | CN108460720A | 公开（公告）日： | 2018-08-28 |
| 发明（设计）人： | 周智恒;李立军 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06T3/00 | 分类号： | G06T3/00;G06N3/04 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于生成对抗网络模型改变图像风格的方法，属于深度学习神经网络领域，包括以下步骤：S1、构造原始生成对抗网络模型，通过生成器生成图像并输入至判别器进行网络训练；S2、构造神经网络充当生成器与判别器的功能；S3、初始化随机噪声，输入生成器中；S4、利用卷积神经网络获取图像数据集中的风格数据分布；S5、在生成器每次迭代的过程中加入风格数据分布，进行训练。本方法构建的基于改变图像风格的原始生成对抗网络模型，通过学习图像数据集的风格特征，得到图像风格的数据分布，在生成器的训练过程中加入图像风格的数据分布，从而达到了改变图像风格信息的效果。 | ||
| 搜索关键词： | 图像风格 生成器 网络模型 对抗 风格数据 数据分布 原始生成 判别器 获取图像数据 卷积神经网络 学习神经网络 学习图像数据 风格特征 神经网络 生成图像 随机噪声 网络训练 训练过程 初始化 迭代 构建 | ||
【主权项】：
1.一种基于生成对抗网络模型改变图像风格的方法，其特征在于，所述的方法包括下列步骤：S1、构造原始生成对抗网络模型，通过生成器生成图像并输入至判别器进行网络训练；S2、构造神经网络充当生成器与判别器的功能；S3、初始化随机噪声，输入生成器中；S4、利用卷积神经网络获取图像数据集中的风格信息的数据分布；S5、在生成器每次迭代的过程中加入风格信息的数据分布，更新损失函数，进行后续训练。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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华南理工大学，未经华南理工大学许可，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/patent/201810101716.9/，转载请声明来源钻瓜专利网。
