[发明专利]基于跨模态相似度和生成对抗网络的文本生成图像方法有效
| 申请号： | 201910635075.X | 申请日： | 2019-07-15 |
| 公开（公告）号： | CN110490946B | 公开（公告）日： | 2023-07-04 |
| 发明（设计）人： | 赵生捷;缪楠;史清江;张林 | 申请（专利权）人： | 同济大学 |
| 主分类号： | G06T11/00 | 分类号： | G06T11/00;G06V10/74;G06V10/75;G06F40/30;G06F40/289;G06V10/82;G06N3/0464;G06N3/0442;G06N3/045;G06N3/0475;G06N3/094 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 赵继明 |
| 地址： | 200092 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
本发明涉及一种基于跨模态相似度和生成对抗网络的文本生成图像方法，包括：步骤S1：使用匹配和不匹配的数据训练全局一致性模型、局部一致性模型和关系一致性模型，其中，三个模型分别用于得到文本与图像的全局表示、局部表示和关系表示；步骤S2：利用训练好的全局一致性模型、局部一致性模型和关系一致性模型得到待处理的文本的全局表示、局部表示和关系表示；步骤S3：将待处理文本的全局表示、局部表示和关系表示串联得到待处理文本的文本表示；步骤S4：利用F |
||
| 搜索关键词： | 基于 跨模态 相似 生成 对抗 网络 文本 图像 方法 | ||
【主权项】：
1.一种基于跨模态相似度和生成对抗网络的文本生成图像方法，其特征在于，包括：/n步骤S1：使用匹配和不匹配的数据训练全局一致性模型、局部一致性模型和关系一致性模型，其中，所述全局一致性模型、局部一致性模型和关系一致性模型分别用于得到文本与图像的全局表示、局部表示和关系表示；/n步骤S2：利用训练好的全局一致性模型、局部一致性模型和关系一致性模型得到待处理的文本的全局表示、局部表示和关系表示；/n步骤S3：将待处理文本的全局表示、局部表示和关系表示串联得到待处理文本的文本表示；/n步骤S4：利用Fca条件增强模块待处理文本的文本表示转换为条件向量；/n步骤S5：将条件向量输入生成器得到生成的图像。/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同济大学，未经同济大学许可，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/201910635075.X/，转载请声明来源钻瓜专利网。
