[發明專利]一種使用循環一致對抗網絡的非成對圖像轉化方法

在審

• 申請號: 201710488261.6
• 申請日: 2017-06-23
• 公開（公告）號: CN107220929A
• 公開（公告）日: 2017-09-29
• 發明（設計）人: 夏春秋
• 申請（專利權）人: 深圳市唯特視科技有限公司
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種使用循環一致對抗網絡的非成對圖像轉化方法，其特征在于，主要包括一般模塊(一)；損失函數模塊(二)；目標函數模塊(三)；訓練網絡模塊(四)。

2.基于權利要求書1所述的一般模型(一)，其特征在于，給定兩個集合域X和Y，建立映射函數模型G:X→Y和F:Y→X，將X和Y中的訓練樣本和的圖像特性進行交換，此外，引入對抗分類器D_X和D_Y，用于分辨原始樣本{x}和生成樣本{F(y)}、原始樣本{y}和生成樣本{G(x)}。

3.基于權利要求書1所述的損失函數模塊(二)，其特征在于，包括對抗損失函數和循環一致損失函數。

4.基于權利要求書3所述的對抗損失函數，其特征在于，對映射函數模型G:X→Y及其分類器D_Y，具體的對抗損失函數為：

其中，G試圖生成跟集合域Y相似的圖像，但同時也要經受分類器D_Y的對抗，即需要進行分辨生成樣本與真實樣本，因此對映射函數G需要最小化而對分類器D_Y要最大化，即：

G^*＝arg min_Gmax_DYL_GAN(G,D_Y,X,Y)(2)

相似地，對映射函數F有：

F^*＝arg min_Fmax_DXL_GAN(G,D_X,Y,X)(3)

其中，D_X是逆向的分類器。

5.基于權利要求書3所述的循環一致損失函數，其特征在于，映射函數具有可逆性，在原始圖像轉化為生成圖像后，也能轉化回原始圖像，即x→G(x)→F(G(x))≈x，上述步驟全部完成一次則為一個前向循環一致行為，相似地，對于被匹配圖像y，有y→F(y)→G(F(y))≈y,上述步驟全部完成一次則為一個反向循環一致行為，合并后的過程中，其循環一致損失函數為：

其中，‖‖₁表示一階范數。

6.基于權利要求書1所述的目標函數模塊(三)，其特征在于，引入常量控制兩個不同損失函數對總體函數模塊的比重，即總體損失函數為，

由此，引入目標函數為：

G*,F*=argminF,GmaxDX,DYL(G,F,DX,DY)---(6)]]>

其中，常量λ是比重控制因子。

7.基于權利要求書1所述的訓練網絡模塊(四)，其特征在于，包括網絡結構、模型穩定過程和網絡調試。

8.基于權利要求書7所述的網絡結構，其特征在于，使用兩層步長為2的卷積網絡層、N層殘差網絡和兩層步長為1/2的卷積網絡層作為主體架構，其中當輸入圖像尺寸為128×128時N＝6，尺寸為256×256或者更高時N＝9。