[发明专利]基于深度学习GAN网络童装服装的风格转移方法及设备

摘要

本发明提供一种基于深度学习GAN网络童装服装的风格转移方法，1、选取童装款式图像A，判断是否为真，是则进入2；否则结束；2、输入图像A，通过第一编码器进行编码，提取特征向量a1并压缩成特征向量a2；3、将不同特征向量a2进行组合，通过第一转换器将DA域转换为DB域；4、通过第一解码器将特征向量a2还原，生成童装款式图像B；5、判断图像B是否为真，是则进入6；否则进入2；6、输入图像B，通过第二编码器进行编码，提取特征向量b1压缩成特征向量b2；7、组合不同特征向量b2，通过第二转换器将DB域转换为DA域；8、通过第二解码器将特征向量a2还原，生成图像A。本发明提供一种计算机设备，减少人工成本。

主权项

1.一种基于深度学习GAN网络童装服装的风格转移方法，其特征在于：该风格转移方法需提供一个CycleGAN网络，CycleGAN网络包括第一GAN网络和第二GAN网络，所述第一GAN网络包括第一生成器和第一判别器，所述第二GAN网络包括第二生成器和第二判别器，所述第一生成器包括第一编码器、第一转换器及第一解码器，所述第二生成器包括第二编码器、第二转换器及第二解码器；所述风格转移方法包括如下步骤：步骤S1、选取童装款式图像A作为第一判别器的输入，通过第一判别器将该童装款式图像A与真实的童装款式图像A’进行对比，判断该童装款式图像A是否为真，若是，则进入步骤S2；若否，则结束流程；步骤S2、将该童装款式图像A输入到第一生成器中，通过第一编码器对童装款式图像A进行编码，利用卷积神经网络从中提取出具有原格式的特征向量a1，并将该特征向量a1压缩成复数个设定格式的特征向量a2；步骤S3、将不同的特征向量a2进行组合，采用5层DenseNet模块，并通过第一转换器将童装款式图像A在DA域中的特征向量a2转换为DB域中的特征向量a2；步骤S4、利用反卷积神经网络，并通过第一解码器将DB域中设定格式的特征向量a2还原成原格式，生成童装款式图像B；步骤S5、将童装款式图像B作为第二判别器的输入，通过第二判别器将生成的童装款式图像B与真实的童装款式图像B’进行对比，判断该童装款式图像B是否为真，若是，则进入步骤S6；若否，则进入步骤S2；步骤S6、将该童装款式图像B输入到第二生成器中，通过第二编码器对童装款式图像B进行编码，利用卷积神经网络从中提取出具有原格式的特征向量b1，并将该特征向量b1压缩成复数个设定格式的特征向量b2；步骤S7、将不同的特征向量b2进行组合，采用5层DenseNet模块，并通过第二转换器将童装款式图像B在DB域中的特征向量b2转换为DA域中的特征向量b2；步骤S8、利用反卷积神经网络，并通过第二解码器将DA域中设定格式的特征向量a2还原成原格式，生成童装款式图像A。