[发明专利]基于深度学习风格迁移的服饰图像艺术化生成方法有效
| 申请号： | 201910619759.0 | 申请日： | 2019-07-10 |
| 公开（公告）号： | CN110490791B | 公开（公告）日： | 2022-10-18 |
| 发明（设计）人： | 张九龙;马钰玺;屈晓娥 | 申请（专利权）人： | 西安理工大学 |
| 主分类号： | G06T3/00 | 分类号： | G06T3/00;G06N3/04;G06N3/08 |
| 代理公司： | 西安弘理专利事务所 61214 | 代理人： | 杜娟 |
| 地址： | 710048 陕*** | 国省代码： | 陕西;61 |
| 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深度学习风格迁移的服饰图像艺术化生成方法，包括如下步骤：步骤1：将内容图和风格图放入训练好的19层VGG网络中得到内容表示和风格表示；步骤2：将获得的内容表示和风格表示使用VGG网络的滤波器对其进行编码得到特征映射，再通过自适应规范层对其进行归一化处理；步骤3：将归一化处理后的噪声图片的特征图分别与内容图片和风格图片的特征图作对比求差值分别计算内容图损失、风格图损失、总损失函数；步骤4：根据获得的总损失函数对网络进行训练，通过转换网络解码生成结果图。本发明一种基于深度学习风格迁移的服饰图像艺术化生成方法，解决了现有服饰图像画面风格单一、转换速度慢的问题。 | ||
| 搜索关键词： | 基于 深度 学习 风格 迁移 服饰 图像 艺术化 生成 方法 | ||
【主权项】：
1.基于深度学习风格迁移的服饰图像艺术化生成方法，其特征在于，包括如下步骤：/n步骤1：将内容图和风格图放入训练好的19层VGG网络中得到内容表示和风格表示；/n步骤2：将步骤1获得的内容表示和风格表示使用VGG网络的滤波器对其进行编码得到特征映射，再通过自适应规范层对其进行归一化处理；/n步骤3：将步骤2中归一化处理后的噪声图片的特征图分别与内容图片和风格图片的特征图作对比求差值分别计算内容图损失、风格图损失、总损失函数；/n步骤4：根据步骤3获得的总损失函数对网络进行训练，通过转换网络解码生成结果图。/n
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西安理工大学，未经西安理工大学许可，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/201910619759.0/，转载请声明来源钻瓜专利网。
