[發明專利]一種基于循環生成對抗網絡對書法進行風格遷移的方法

有效

• 申請號: 201910764034.0
• 申請日: 2019-08-19
• 公開（公告）號: CN110570346B
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 劉晶;向朋霞
• 申請（專利權）人: 西安理工大學
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06N3/04;G06N3/08
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 王蕊轉

本發明公開了一種基于循環生成對抗網絡對書法進行風格遷移的方法，首先在word中制作要遷移的風格A和風格B兩種風格的兩種字體作為訓練樣本；然后根據樣本制作兩種風格數據集，依次更新生成器權重和判別器權重，得到生成器訓練生成的圖片和判別器判別真偽的結果；最后將訓練樣本輸入判別器和生成器中進行訓練更新，經過二者的博弈以后，生成器的偽造技術越來越厲害，判別器的鑒別技術也越來越厲害，直到判別器再也分不出數據是真實的數據還是生成器生成的數據，即對抗的過程達到動態的平衡，得到最后的訓練效果，輸出風格遷移后的圖片。本發明解決了現有技術中存在的無配對的文字圖片找不到對應目標的問題。

技術領域

本發明屬于圖片處理方法技術領域，具體涉及一種基于循環生成對抗網絡對書法進行風格遷移的方法。

背景技術

中國古代有很多書法大家，他們遺留下來的真跡往往價值千金，成為后人爭先恐后臨摹的對象。但在歷史的長河中，由于眾多原因，這些大家們的一部分作品已經損毀，而且古代有些漢字是當時沒有的，所以可能有大量的漢字是沒有某種書法風格存在的，使得傳楊優秀文化過程中存在一定的缺陷。

作為中國傳統優秀文化的書法，我們應該大力傳承和發揚，為文化強國做出貢獻。而大量書法作品在流傳的過程中被人為或非人為損壞，留存較少，對于風格遷移的方法大多要求輸入的圖片是成對出現的，而兩種不同的書法風格很難有配對的文字圖片，會出現找不到訓練目標的問題。為了讓人們見到更多的優秀書法作品，基于此如何來擴充這些書法大家風格數據成為我們待解決的問題。

發明內容

本發明的目的是提供一種基于循環生成對抗網絡對書法進行風格遷移的方法，解決了現有技術中存在的無配對的文字圖片找不到對應目標的問題。

本發明所采用的技術方案是，一種基于循環生成對抗網絡對書法進行風格遷移的方法，具體按照以下步驟實施：

步驟1、在word中制作要遷移的風格A和風格B兩種風格的兩種字體各n頁，輸出為圖片jpg格式，得到2n張圖片，作為訓練樣本；

步驟2、根據步驟1中的樣本，制作兩種風格數據集，依次更新生成器權重和判別器權重，得到生成器訓練生成的圖片和判別器判別真偽的結果；

步驟3、將步驟1中制作的訓練樣本輸入步驟2中的判別器和生成器中進行訓練更新，經過二者的博弈以后，生成器的偽造技術越來越厲害，判別器的鑒別技術也越來越厲害，直到判別器再也分不出數據是真實的數據還是生成器生成的數據，即對抗的過程達到動態的平衡，得到最后的訓練效果，輸出風格遷移后的圖片。

本發明的特點還在于，

步驟2具體按照以下步驟實施：

步驟2.1、將所述步驟1中有2n張圖片的訓練樣本中的每張圖片隨機裁出m張i×i大小的圖片，得到風格A和風格B的圖片各n×m張，圖片大小均為i×i，即為所需要的數據集，其中n為裁剪前圖片的張數，m為裁剪后圖片張數，i為裁剪出的圖片的邊長；

步驟2.2、設置循環生成對抗網絡，由兩個對稱的生成對抗網絡GAN構成一個環形網絡，兩個生成對抗網絡GAN共享兩個生成器，并各自帶一個判別器，即共有兩個生成器，記為生成器G和生成器F，和兩個判別器，記為判別器D_X和判別器D_Y，每個生成對抗網絡GAN有兩個損失函數，分別為生成器的重建損失和判別器的判別損失；

步驟2.3、生成器G負責把步驟2.1中裁剪后的風格A的圖片訓練成風格B的樣子，然后更新重建損失，得到生成圖片，判別器D_Y將步驟2.1中裁剪后的風格B的圖片和步驟2.3中生成器G生成圖片作為輸入，更新判別損失，嘗試預測其為原始圖片還是生成器的生成圖片；