[發明專利]一種基于循環生成式對抗網絡的行人圖像生成方法及系統在審
| 申請號： | 201711435515.4 | 申請日： | 2017-12-26 |
| 公開（公告）號： | CN108256439A | 公開（公告）日： | 2018-07-06 |
| 發明（設計）人： | 張史梁;田奇;高文;魏龍輝 | 申請（專利權）人： | 北京大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62 |
| 代理公司： | 北京辰權知識產權代理有限公司 11619 | 代理人： | 劉廣達 |
| 地址： | 100871*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 遷移 生成式 對抗 圖像生成 圖像 網絡 數據庫 公共數據集 額外數據 函數學習 目標應用 魯棒 標注 場景 風格 身份 | ||
1.一種基于循環生成式對抗網絡的行人圖像生成方法，其特征在于，包括如下步驟：
遷移函數學習，生成人物遷移生成式對抗網絡；
基于所述人物遷移生成式對抗網絡，完成所述行人圖像中的人物遷移，將一個數據庫中的行人圖像遷移到另一個數據庫中，生成新的行人圖像。
2.根據權利要求1所述的基于循環生成式對抗網絡的行人圖像生成方法，其特征在于：
所述遷移函數包括風格損失和身份損失。
3.根據權利要求1或2所述的基于循環生成式對抗網絡的行人圖像生成方法，其特征在于：
所述人物遷移生成式對抗網絡的目標函數為：
其中，表示風格損失，表示身份損失，λ1表示兩種損失之間的交換系數。
4.根據權利要求3所述的基于循環生成式對抗網絡的行人圖像生成方法，其特征在于：
所述風格損失為：
其中，表示標準對抗損失，表示循環一致性損失，G表示從數據集A到B的風格映射函數，而表示從數據集B到A的風格映射函數，DA和DB分別表示A和B的風格鑒別器，λ2表示交換系數。
5.根據權利要求4所述的基于循環生成式對抗網絡的行人圖像生成方法，其特征在于：
所述風格鑒別器DA、DB分別由數據集A、B內的未標簽人物圖像訓練得到。
6.根據權利要求3所述的基于循環生成式對抗網絡的行人圖像生成方法，其特征在于：
所述身份損失為：
其中，G(a)表示從圖像a中遷移到數據集B的人物圖像，表示從圖像b中遷移到數據集A的人物圖像，M(a)表示圖像a的前景模板，M(b)表示圖像b的前景模板，表示從數據集A中采樣出的圖像a的數學期望，表示從數據集B中采樣出的圖像b的數學期望。
7.根據權利要求6所述的基于循環生成式對抗網絡的行人圖像生成方法，其特征在于：
采用金字塔場景解析網絡提取所述前景模板。
8.一種基于循環生成式對抗網絡的行人圖像生成系統，其特征在于，包括順序連接的如下模塊：
網絡生成模塊，用于學習遷移函數，生成人物遷移生成式對抗網絡；
遷移模塊，基于所述人物遷移生成式對抗網絡，完成所述行人圖像中的人物遷移，將一個數據庫中的行人圖像遷移到另一個數據庫中，生成新的行人圖像。
9.根據權利要求8所述的基于循環生成式對抗網絡的行人圖像生成系統，其特征在于：
所述遷移函數包括風格損失和身份損失。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京大學，未經北京大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711435515.4/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：基于后端人臉識別視頻監控方法及裝置
- 下一篇：一種眉毛圖像分割方法和系統
