[發(fā)明專利]一種基于高斯混合模型先驗(yàn)變分自編碼器的圖像生成方法有效
| 申請?zhí)枺?/td> | 202010024870.8 | 申請日： | 2020-01-10 |
| 公開（公告）號(hào)： | CN111243045B | 公開（公告）日： | 2023-04-07 |
| 發(fā)明（設(shè)計(jì)）人： | 郭春生;周家洛;應(yīng)娜;陳華華;楊萌 | 申請（專利權(quán)）人： | 杭州電子科技大學(xué) |
| 主分類號(hào)： | G06T9/00 | 分類號(hào)： | G06T9/00 |
| 代理公司： | 浙江千克知識(shí)產(chǎn)權(quán)代理有限公司 33246 | 代理人： | 周希良 |
| 地址： | 310018 浙江省杭州市*** | 國省代碼： | 浙江;33 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 混合 模型 先驗(yàn) 編碼器 圖像 生成 方法 | ||
1.一種基于高斯混合模型先驗(yàn)變分自編碼器的圖像生成方法，其特征在于，包括步驟：
S1.預(yù)設(shè)生成圖像訓(xùn)練數(shù)據(jù)集；其中，所述訓(xùn)練數(shù)據(jù)集由若干批次的訓(xùn)練數(shù)據(jù)組成；
S2.搭建基于高斯混合模型先驗(yàn)的變分自編碼器網(wǎng)絡(luò)；
S3.將所述預(yù)設(shè)的若干批次的訓(xùn)練數(shù)據(jù)上傳至搭建的變分自編碼器網(wǎng)絡(luò)中，并確定所述變分自編碼器網(wǎng)絡(luò)的后驗(yàn)分布和先驗(yàn)分布；
S4.確定所述高斯混合模型中高斯分量之間的關(guān)系，得到映射函數(shù)；
S5.利用所述變分自編碼器網(wǎng)絡(luò)和得到的映射函數(shù)得到重構(gòu)損失函數(shù)和KL散度函數(shù)，根據(jù)所述得到的重構(gòu)損失函數(shù)和KL散度函數(shù)計(jì)算所述變分自編碼器網(wǎng)絡(luò)的后驗(yàn)分布和先驗(yàn)分布的損失函數(shù)，并對所述變分自編碼器網(wǎng)絡(luò)的參數(shù)進(jìn)行更新以生成圖像；
S6.當(dāng)生成圖像時(shí)，將偽輸入作為輸入圖像上傳至所述變分自編碼器網(wǎng)絡(luò)，得到最終生成的圖片。
2.根據(jù)權(quán)利要求1所述的一種基于高斯混合模型先驗(yàn)變分自編碼器的圖像生成方法，其特征在于，所述步驟S2還包括構(gòu)建變分自編碼器網(wǎng)絡(luò)中隱變量的后驗(yàn)分布。
3.根據(jù)權(quán)利要求2所述的一種基于高斯混合模型先驗(yàn)變分自編碼器的圖像生成方法，其特征在于，所述步驟S2中搭建的變分自編碼器網(wǎng)絡(luò)中的參數(shù)包括網(wǎng)絡(luò)輸入圖像尺寸C×H×W、批次大小B，隱變量維數(shù)D，隱變量z，高斯混合數(shù)量M，偽輸入α，偽輸入數(shù)量K。
4.根據(jù)權(quán)利要求3所述的一種基于高斯混合模型先驗(yàn)變分自編碼器的圖像生成方法，其特征在于，所述步驟S3中將所述預(yù)設(shè)的若干批次的訓(xùn)練數(shù)據(jù)上傳至搭建的變分自編碼器網(wǎng)絡(luò)中，其中上傳的訓(xùn)練數(shù)據(jù)包括圖像樣本X＝{x1,x2,…,xN}，其中，xi為當(dāng)前批次中第i個(gè)樣本，i＝1，2，…B、偽輸入α＝{α1,α2,...,αK},其中αj表示第j個(gè)偽輸入，j＝1，2，…K。
5.根據(jù)權(quán)利要求4所述的一種基于高斯混合模型先驗(yàn)變分自編碼器的圖像生成方法，其特征在于，所述步驟S3確定的是隱變量的后驗(yàn)分布以及聚合后驗(yàn)形式的隱變量先驗(yàn)分布；
所述隱變量后驗(yàn)分布為：
所述隱變量先驗(yàn)為：
其中，M表示高斯混合數(shù)量，K表示偽輸入的數(shù)量，αk表示偽輸入，πm表示高斯混合模型的系數(shù)。
6.根據(jù)權(quán)利要求5所述的一種基于高斯混合模型先驗(yàn)變分自編碼器的圖像生成方法，其特征在于，所述步驟S4中確定所述高斯混合模型中高斯分量之間的關(guān)系是通過貪心算法確定的。
7.根據(jù)權(quán)利要求6所述的一種基于高斯混合模型先驗(yàn)變分自編碼器的圖像生成方法，其特征在于，所述步驟S4具體為根據(jù)以下函數(shù)依次構(gòu)造映射函數(shù)：
其中，A＝{β(t)|t＝1,...,m-1}；β(·)表示映射函數(shù)。
8.根據(jù)權(quán)利要求7所述的一種基于高斯混合模型先驗(yàn)變分自編碼器的圖像生成方法，其特征在于，所述步驟S5中得到的重構(gòu)損失函數(shù)為：
其中，n表示輸入圖片的維度；xi表示輸入樣本圖片第i維度的值；表示輸出圖片第i維度的值；LRE表示每個(gè)樣本的重構(gòu)損失。
9.根據(jù)權(quán)利要求8所述的一種基于高斯混合模型先驗(yàn)變分自編碼器的圖像生成方法，其特征在于，所述步驟S5中得到的KL散度函數(shù)為：
其中，LKL表示每個(gè)樣本的KL距離。
10.根據(jù)權(quán)利要求9所述的一種基于高斯混合模型先驗(yàn)變分自編碼器的圖像生成方法，其特征在于，所述計(jì)算得到的損失函數(shù)為：
其中，表示第i個(gè)樣本的重構(gòu)誤差；表示第i個(gè)樣本的KL散度。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于杭州電子科技大學(xué)，未經(jīng)杭州電子科技大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010024870.8/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
