[發明專利]一種基于生成對抗網絡的圖片自動調色方法

有效

• 申請號: 201910890744.8
• 申請日: 2019-09-20
• 公開（公告）號: CN110853110B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 梁棟榮;蔣程凱;鄭進
• 申請（專利權）人: 杭州火燒云科技有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/0464;G06N3/08
• 代理公司: 杭州凱知專利代理事務所(普通合伙) 33267
• 代理人: 邵志

1.一種基于生成對抗網絡的圖片自動調色方法，其特征在于包括以下步驟：

1)獲取多組由原始圖片和經人工調色后獲得的目標圖片組成的訓練組；

2)利用生成器模型對每個訓練組的原始圖片針對顏色信息進行修片處理，得到經過一次處理后的重構圖片；其中，原始圖片在保留第一skip層后，經過下采樣后進行修片處理，獲取目標顏色變化信息，得到重構圖片后再經過上采樣獲得與第一skip層像素一致的第二skip層，兩層相加之后計算第一skip層和第二skip層的殘差，于殘差在設定值內時，獲得處理后的重構圖片；

3)利用判別器模型計算經過一次處理后的重構圖片和目標圖片的對抗損失；

4)將步驟3)中得到的對抗損失反饋給判別器模型，以更新判別器模型的權重；

5)利用VGG網絡模型計算經過一次處理后的重構圖片和目標圖片的感知損失；

6)將步驟5)中的感知損失與步驟3)中的對抗損失調整至統一的數量級后，對抗損失和感知損失加權和作為總損失，將總損失反向傳播至生成器模型，指導生成器模型調整其對原始圖片進行修片處理的參數；

7)重復上述步驟2)-6)中的操作，直至完成訓練；

8)利用上述完成訓練的生成器模型對待處理的原始圖片進行處理，得到自動完成調色的目標重構圖片。

2.根據權利要求1所述的基于生成對抗網絡的圖片自動調色方法，其特征在于：所述步驟7)中完成訓練的條件為步驟6)中總損失小于預設值，或不再收斂的迭代超過耐力值或達到迭代上限次數。

3.根據權利要求1所述的基于生成對抗網絡的圖片自動調色方法，其特征在于：所述步驟8)之前經過測試步驟，在完成訓練的生成器模型中輸入用于測試的原始圖片，生成的預測圖片利用峰值信噪比圖像評價算法評估其與目標圖片的擬合程度。

4.根據權利要求1所述的基于生成對抗網絡的圖片自動調色方法，其特征在于：所述步驟2)中包括九個殘差聯塊，每個殘差塊包括卷積可學習窗口、激活、第一次批標準化、再增加卷積可學習窗口、第二次批標準化過程。

5.根據權利要求1所述的基于生成對抗網絡的圖片自動調色方法，其特征在于：所述步驟6)中對抗損失的權重為0.5，感知損失的權重為0.5。

6.根據權利要求1所述的基于生成對抗網絡的圖片自動調色方法，其特征在于：所述感知損失為VGG19感知損失。

7.根據權利要求1所述的基于生成對抗網絡的圖片自動調色方法，其特征在于基于以下系統：

對抗生成網絡模型和VGG網絡模型；

所述對抗生成網絡模型包括生成器模型和判別器模型；

生成器模型，用于對原始圖片針對顏色信息進行修片處理，得到重構圖片；

判別器模型，用于計算生成器模型中得到的重構圖片與經人工調色后獲得的目標圖片的對抗損失；

VGG網絡模型，用于計算重構圖片和目標圖片的感知損失；

第一修正單元，用于利用判別器模型中得到的對抗損失更新判別器模型的權重；

第二修正單元，將對抗損失和感知損失加權和作為總損失，反向傳播總損失至生成器模型，指導生成器模型實時修正修片處理的參數。

8.根據權利要求7所述的基于生成對抗網絡的圖片自動調色方法，其特征在于：所述生成器模型內嵌入有殘差計算單元，其用于對原始圖片進行下采樣和上采樣。

9.根據權利要求8所述的基于生成對抗網絡的圖片自動調色方法，其特征在于：所述殘差計算單元包括九個殘差聯塊。