“网络生成”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1650285个，建议您升级VIP下载更多相关专利

[发明专利]基于双判别深度卷积生成式对抗网络的图像修复方法-CN201910759037.5在审
发明人：杨秀红;许鹏;杨万进;李秀秀 -专利权人：西安理工大学
申请日： 2019-08-16 - 公布日： 2019-12-13 - 主分类号： G06T5/00 文献下载
摘要：本发明公开的基于双判别深度卷积生成式对抗网络的图像修复方法，首先，将待处理图像进行预处理，作为训练集数据图像；构建G生成网络、Net_D判别网络和NetD_Aux判别网络，将待处理图像输入G生成网络中，分别对G生成网络、Net_D判别网络和NetD_Aux判别网络进行训练，通过分别计算对抗损失、图像空间损失和图像特征空间损失，按照生成网络和两个判别网络交替训练，当G生成网络生成的图像与真实图像接近时训练完成本发明公开的方法采用双判别网络结构和全新的损失函数模型，分别判别图像的局部和全局，通过迭代网络模型来完成图像修复，取得了较好的修复结果。
网络图像修复待处理图像图像预处理图像特征空间修复训练集数据损失函数图像空间图像输入网络结构网络模型网络生成真实图像生成式对抗迭代构建卷积全局

[发明专利]一种基于双对抗网络的外观图像生成方法-CN202010082696.2有效
发明人：曹江中;晁小朋;戴青云;卢育钦 -专利权人：广东工业大学
申请日： 2020-02-07 - 公布日： 2021-03-12 - 主分类号： G06T11/00 文献下载
摘要：本发明提供基于双对抗网络的外观图像生成方法，包括以下步骤：S1.选取训练网络的图像数据集；S2.图像缩放；S3.提取图像Hog特征；S4.训练双对抗网络；S5.生成数据；S6.扩充数据集。本发明在生成网络输入时加入训练数据的Hog特征，由于加入的特征信息有类似标签的效果，使网络尽可能更高概率的生成与训练数据有关的图像；相比于使用一组对抗网络生成数据，本发明通过再增加编码网络与鉴别网络的对抗，使得生成网络更好地捕捉训练数据的分布，提高生成质量；本发明所述的方法还可以进行特征提取，网络训练时编码网络目的是重构随机噪声和图像的Hog特征的组合形式，当网络训练成功后，编码网络可以用来提取图像的特征
一种基于对抗网络外观图像生成方法

[发明专利]基于双流生成器深度卷积对抗生成网络的遥感图像上色方法-CN202110730847.5在审
发明人：聂婕;王京禹;魏志强;王成龙;王成贺;郑程予 -专利权人：中国海洋大学
申请日： 2021-06-29 - 公布日： 2021-10-22 - 主分类号： G06T11/00 文献下载
摘要：本发明属于遥感图像处理技术领域，公开了基于双流生成器深度卷积对抗生成网络的遥感图像上色方法，构建双流生成器深度卷积对抗生成网络，该网络包括生成器、后融合模块、判别器，所述生成器由两条具有不同尺度的U‑NET结构的生成网络组成；一条是原始尺度的生成网络，另一条是宏观尺度的生成网络，将两个尺度生成特征图进行后融合，得到最终的生成图像；将生成图像与对应的真实图像输入判别器，通过生成器与判别器持续的训练对抗，来生成与真实图像更为相近的着色图片
基于双流生成器深度卷积对抗生成网络遥感图像上色方法

[发明专利]基于生成对抗网络的服饰搭配生成方法-CN201910842802.X有效
发明人：胡洋;俞聪 -专利权人：电子科技大学
申请日： 2019-09-06 - 公布日： 2022-03-15 - 主分类号： G06Q30/06 文献下载
摘要：本发明提供了基于生成对抗网络的服饰搭配生成方法，该方法包括：收集在线用户的服饰物品搭配生成训练集和测试集；采用所述训练集训练生成对抗网络服饰搭配生成模型；采用所述测试集对训练完成的生成对抗网络服饰搭配生成模型进行测试；对测试效果进行验证，并给出了生成对抗网络服饰搭配生成模型的结构和训练方式。本发明提出的基于生成对抗网络的服饰搭配生成方法，在实际应用中，对于较小的数据集，其生成对抗网络服饰搭配生成模型可以解决因缺少足够多的备选数据而导致的推荐不充分的问题；对于较大的数据集，可以在数据集中搜索与生成的服饰图片最类似的服饰
基于生成对抗网络服饰搭配方法

[发明专利]一种基于改进生成式对抗网络的人脸图像矫正方法-CN201910967815.X在审
发明人：田玲;罗光春;张栗粽;陈爱国 -专利权人：电子科技大学
申请日： 2019-10-12 - 公布日： 2020-01-31 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于改进生成式对抗网络的人脸图像矫正方法，对获取的人脸图像数据进行预处理；构建编码器\解码器网络作为生成式对抗网络的生成器G，构建卷积神经网络作为生成式对抗网络的判别器D；将训练集侧脸图像X提取局部语义信息并融合后输入生成器G进行训练；将生成器G生成的正面人脸图像X
生成器正面人脸人脸图像生成式图像脸图像判别器构建对抗矫正网络预处理卷积神经网络人脸图像识别人脸图像数据解码器测试阶段迭代训练混合损失角度修正局部语义输入测试输入判别准确度编码器训练集反馈融合输出概率改进

[发明专利]动态生成报告方法-CN200610140345.2无效
发明人：许志刚;张丽静 -专利权人：中兴通讯股份有限公司
申请日： 2006-11-27 - 公布日： 2008-06-04 - 主分类号： H04L12/24 文献下载
摘要：本发明提供了一种动态报告生成方法，用于网络规划和优化过程中生成网络报告，其特征在于，包括以下步骤：确定网络报告的模版和初始配置文件根据用户选择的生成条件和初始配置文件来动态生成配置文件；生成报告预处理；以及根据配置文件生成网络报告，从而，更好地满足了网规网优工程师在现场生成网路评估报告和网络优化报告的需求。
动态生成报告方法

[发明专利]用于低剂量PET重建的多任务学习型生成式对抗网络生成方法及系统-CN202011455292.X在审
发明人：胡战利;郑海荣;张娜;刘新;梁栋;杨永峰;孙涵宇 -专利权人：深圳先进技术研究院
申请日： 2020-12-10 - 公布日： 2021-03-16 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及一种用于低剂量PET重建的多任务学习型生成式对抗网络生成方法及系统，属于深度学习的技术领域，生成方法包括对编码器和解码器各层之间采用跳跃连接，得到U‑Net型的图片生成器；生成式对抗网络组生成，多个图片生成器和多个判别器一一对应得到一组生成式对抗网络生成组，得到一个生成式对抗网络组；得到第一多任务学习型生成式对抗网络；设计用于提高成像质量的联合损失函数l；根据联合损失函数l，结合优化器，对第一多任务学习型生成式对抗网络进行训练，得到第二多任务学习型生成式对抗网络。
用于剂量 pet 重建任务学习生成对抗网络方法系统

[发明专利]基于生成对抗网络的瑕疵图像生成方法、装置及相关组件-CN202111647309.6在审
发明人：许旻昱;陆音;陈子阳;郁建峰;徐兵荣;蔡奕杰 -专利权人：天翼物联科技有限公司
申请日： 2021-12-30 - 公布日： 2022-04-08 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了基于生成对抗网络的瑕疵图像生成方法、装置及相关组件，该方法包括：获取布匹图像，并标注布匹图像的图像类别和瑕疵位置，得到瑕疵真实图像；将瑕疵真实图像及预设噪声向量输入生成对抗网络的生成器中，生成瑕疵模拟图像；基于瑕疵真实图像和瑕疵模拟图像，根据预置损失函数分别对生成对抗网络的分辨器损失和生成器损失进行计算，得到分辨器损失和生成器损失，并基于分辨器损失和生成器损失对所述生成对抗网络的模型参数进行迭代，得到瑕疵图像生成网络；将瑕疵图像生成网络输出的瑕疵模拟图像与对应的瑕疵真实图像进行小波融合处理，得到理想瑕疵图像。本发明提高了通过生成对抗网络所得到的瑕疵模拟图像的质量。
基于生成对抗网络瑕疵图像方法装置相关组件

[发明专利]一种基于持续同调和生成对抗网络的图像生成方法-CN202211503927.8在审
发明人：蒋昌俊;闫春钢;丁志军;王俊丽;张亚英;鲍金日 -专利权人：同济大学
申请日： 2022-11-28 - 公布日： 2023-05-23 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于持续同调和生成对抗网络的图像生成方法，通过生成对抗网络生成器生成图像；对图像进行拓扑特征抽取；对拓扑特征进行变换，获取拓扑特征向量；通过卷积神经网络提取得到图像的卷积神经网络特征，将其变换成特征向量，获取向量，并对向量进行处理，对输入的图像真假进行判别；将拓扑特征融入到生成对抗网络模型后形成PHGAN模型，在判别器中新增了拓扑特征损失项，使用带有拓扑特征损失项的损失函数对生成对抗网络生成器与判别器进行参数更新生成对抗网络生成器学习到图像的拓扑特征分布；在图像生成效果指标上，本有更高的精度；在视觉效果上生成的图像更加真实；能充分利用图像的拓扑特征，从而提高生成图像的质量。
一种基于持续调和生成对抗网络图像方法

[发明专利]基于条件生成式对抗网络的网络背景流量生成方法和系统-CN201910012933.5在审
发明人：赵鹏;程学旗;张志斌;杨春晖;郭嘉丰;何文婷;王赛;王征 -专利权人：中国科学院计算技术研究所
申请日： 2019-01-07 - 公布日： 2019-06-14 - 主分类号： H04L12/851 文献下载
摘要：本发明涉及一种基于条件生成式对抗网络的网络背景流量生成方法，包括：数据获取步骤，获取的网络流量数据及条件信息，并向量化为真实流量；模型生成步骤，以该真实流量得到初始生成模型和判别模型，并通过条件生成式对抗网络以该判别模型对该初始生成模型进行训练，以得到生成模型；流量生成步骤，通过该生成模型以随机向量生成模拟背景流量。
生成模型流量生成基于条件判别模型网络背景生成式对抗模型生成步骤数据获取步骤网络流量数据模拟背景随机向量条件生成条件信息网络向量

[发明专利]图像生成方法和图像生成系统-CN201910115095.4在审
发明人：张宇航;张卫平 -专利权人：厦门一品威客网络科技股份有限公司
申请日： 2019-02-14 - 公布日： 2019-06-25 - 主分类号： G06F16/51 文献下载
摘要：本发明提供一种图像生成方法和图像生成系统。该图像生成方法包括：构建包含有多个真实图像的真实图像数据库，根据图像的风格对所述真实图像数据库中的图像进行分类；形成生成式对抗网络模型；将分类好的相同或相似风格的所述真实图像数据库的真实图像输入所述生成式对抗网络模型，训练所述生成式对抗网络模型；将随机向量输入到已经训练好的所述生成式对抗网络模型，生成虚拟图像。根据本发明的方法，其通过利用真实的图像数据训练生成式对抗网络模型，从而能够通过生成网络达到无限生成的目的。
网络模型真实图像生成式图像生成对抗图像生成系统数据库图像随机向量图像数据虚拟图像分类构建风格网络

[发明专利]基于图结构数据的网络训练方法、装置以及节点分类方法-CN202011169741.4在审
发明人：丁强刚;赵沛霖 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-10-28 - 公布日： 2021-01-08 - 主分类号： G06K9/62 文献下载
摘要：本申请涉及一种基于图结构数据的网络训练方法、装置以及节点分类方法。所述网络训练方法包括：获取图结构训练数据对应的有损图结构数据；将有损图结构数据输入到目标网络的生成网络中，以对有损图结构数据进行连边恢复并生成对应的图结构更新数据；目标网络包括生成网络和预测网络；将图结构更新数据输入到预测网络中，以对图结构更新数据的节点进行分类预测得到图结构更新数据的节点分类结果；根据图结构更新数据的节点分类结果，对生成网络和预测网络进行网络参数调整，直至生成网络和预测网络收敛，得到已训练的目标网络。上述方案通过生成网络和预测网络的联合训练能得到耦合性良好的目标网络，进而可以对图结构数据中的节点进行准确分类。
基于结构数据网络训练方法装置以及节点分类

[发明专利]一种基于生成对抗网络的浑浊水下偏振图像复原方法-CN202111514937.7在审
发明人：高杰;王国臣;任启明;项延发;陈瑞品 -专利权人：浙江理工大学
申请日： 2021-12-13 - 公布日： 2022-03-11 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种基于生成对抗网络的浑浊水下偏振图像复原方法。包括以下步骤：步骤1、搭建水下主动成像系统，拍摄清晰水下强度图像和浑浊水下的偏振图像；步骤2、建立数据集；将数据集按8:1:1的比例分为训练集、验证集、测试集；步骤3、构建生成网络；步骤4，预训练；利用步骤二中的数据集对所述生成网络进行预训练；步骤5、构建一个判别网络；步骤6、构建生成对抗网络；与步骤四中预训练好的生成网络构成一个生成对抗网络，利用交叉熵作为损失函数对生成对抗网络进行训练；步骤7、利用训练好的生成对抗网络进行图像复原。
一种基于生成对抗网络浑浊水下偏振图像复原方法

[发明专利]一种面向图像翻译的端到端的并行生成器网络构建方法-CN202010685325.3有效
发明人：王晗;施佺;余佩伦;沈克成 -专利权人：南通大学
申请日： 2020-07-16 - 公布日： 2022-03-15 - 主分类号： G06T3/00 文献下载
摘要：本发明公开了一种面向图像翻译的端到端的并行生成器网络构建方法，包括如下步骤：步骤1)利用残差、稠密单元搭建端到端的残差‑稠密并行生成器网络；步骤2)构建判别器网络，在对抗生成网络(GAN)的训练框架下，利用输入‑输出训练数据对，训练获取残差‑稠密并行生成器网络参数；步骤3)利用训练完毕的“稠密‑残差并行生成器网络”对待测的输入图像进行图像翻译。本发明的方法能够有效地融合残差、稠密网络的性能优势；相对于传统单一结构的生成器网络，并行生成器网络的生成图像在多种评价指标上(结构相似度SSIM,均方误差MSE,直方图拟合度)均有显著提高。
一种面向图像翻译端到端并行生成器网络构建方法

[发明专利]一种基于对抗学习模型的新能源场景生成方法及系统-CN202010340376.2有效
发明人：乔骥;王新迎;蒲天骄;王天昊 -专利权人：中国电力科学研究院有限公司;国家电网有限公司;国网天津市电力公司
申请日： 2020-04-26 - 公布日： 2023-04-18 - 主分类号： G06Q10/067 文献下载
摘要：本发明涉及一种基于对抗学习模型的新能源场景生成方法及系统，所述方法包括：生成用于对抗学习模型的神经网络训练的样本集以及每个样本的标签；构建判别网络D和生成网络G；将随机向量z和样本的标签输入到生成网络G中，得到模拟样本G(z)，将模拟样本G(z)、真实样本以及样本的标签同时输入到判别网络D中；对生成网络G和判别网络D的神经网络进行反向传播训练，并进行迭代；迭代收敛后，生成网络G生成并输出优化的新能源运行场景本发明能够克服传统方法生成出力参数单一、结果不准确、需要大量简化假设等问题，优化了新能源出力参数，为能源互联网的随机优化运行控制提供了数据基础和保证。
一种基于对抗学习模型新能源场景生成方法系统