[發(fā)明專利]一種基于遷移學(xué)習(xí)的3D模型圖像的構(gòu)建方法有效
| 申請?zhí)枺?/td> | 202010146696.4 | 申請日: | 2020-03-05 |
| 公開(公告)號: | CN111340964B | 公開(公告)日: | 2023-03-24 |
| 發(fā)明(設(shè)計(jì))人: | 才華;孫俊;王爽;趙智 | 申請(專利權(quán))人: | 長春中國光學(xué)科學(xué)技術(shù)館;長春理工大學(xué) |
| 主分類號: | G06T19/20 | 分類號: | G06T19/20;G06N3/0495;G06N3/096 |
| 代理公司: | 長春市吉利專利事務(wù)所(普通合伙) 22206 | 代理人: | 李曉莉 |
| 地址: | 130117 吉林*** | 國省代碼: | 吉林;22 |
| 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 遷移 學(xué)習(xí) 模型 圖像 構(gòu)建 方法 | ||
1.基于遷移學(xué)習(xí)的3D模型圖像的構(gòu)建方法,其特征是:包括以下步驟,并且以下步驟順次進(jìn)行,
步驟一、從攝像機(jī)中拍攝或在網(wǎng)絡(luò)中獲取一張現(xiàn)實(shí)生活中的圖片作為原始圖像,在網(wǎng)絡(luò)中獲取抽象風(fēng)格圖像,建立風(fēng)格圖像集;
步驟二、建立機(jī)制轉(zhuǎn)移塊,并在機(jī)制轉(zhuǎn)移塊中設(shè)定圖像運(yùn)算機(jī)制,所述圖像運(yùn)算機(jī)制包括點(diǎn)運(yùn)算、代數(shù)運(yùn)算、邏輯運(yùn)算以及幾何運(yùn)算;
步驟三、從步驟一中獲得的風(fēng)格圖像集中隨機(jī)選取指定張數(shù)的抽象風(fēng)格圖像,設(shè)定機(jī)制轉(zhuǎn)移塊中風(fēng)格圖像的融合順序,機(jī)制轉(zhuǎn)移塊按照融合順序分別對選取的抽象風(fēng)格圖像進(jìn)行運(yùn)算,獲得一張以上運(yùn)算后的抽象風(fēng)格圖像以及相應(yīng)的圖像矩陣;
步驟四、將步驟一中獲得的原始圖像通過人體像素實(shí)時(shí)映射到3D模型的技術(shù)DensePose,獲得實(shí)物的3D模型圖以及該3D模型圖的圖像矩陣;
步驟五、通過Res_Net50卷積神經(jīng)網(wǎng)絡(luò)分別對步驟三中獲得的抽象風(fēng)格圖像的圖像矩陣以及步驟四中獲得的實(shí)物的3D模型圖的圖像矩陣進(jìn)行卷積,提取相應(yīng)的feature map特征映射,
從Res_Net50卷積網(wǎng)絡(luò)模型的實(shí)物的3D模型圖的圖像所有卷積層中隨機(jī)選取一層卷積層,將該層的feature map特征映射選定為實(shí)物的3D模型圖的圖像內(nèi)容,
從Res_Net50卷積網(wǎng)絡(luò)模型的抽象風(fēng)格圖像所有卷積層中隨機(jī)選取一層卷積層,將該卷積層中所有的feature map特征映射兩兩作內(nèi)積并用所得的結(jié)果建立Gram矩陣,獲得的Gram矩陣為抽象風(fēng)格圖像的圖像風(fēng)格;
步驟六、利用總體損失函數(shù),根據(jù)獲得的實(shí)物的3D模型圖的圖像的內(nèi)容和抽象風(fēng)格圖像的圖像風(fēng)格生成風(fēng)格轉(zhuǎn)移圖像,所述的風(fēng)格轉(zhuǎn)移圖像中同時(shí)包括了實(shí)物的3D模型圖的圖像的內(nèi)容和抽象風(fēng)格圖像的圖像風(fēng)格,
所述總體損失函數(shù)為:
Ltotal(p,a,x)=αLcontent(p,x)+βLstyle(a,x),
其中,α代表內(nèi)容損失的權(quán)重,β代表風(fēng)格損失的權(quán)重,α與β之和為1,p 為實(shí)物的3D模型圖的圖像的內(nèi)容,a為抽象風(fēng)格圖像的圖像風(fēng)格,x為待生成的圖像,
通過圖像內(nèi)容差別公式,獲得風(fēng)格轉(zhuǎn)移圖像與實(shí)物的3D模型圖的圖像的內(nèi)容p的差別Lcontent(p,x),
通過圖像風(fēng)格差別公式,獲得風(fēng)格轉(zhuǎn)移圖像與抽象風(fēng)格圖像的圖像風(fēng)格a的差別Lstyle(a,x);
步驟七、將步驟六中計(jì)算并獲得的總體損失函數(shù),用梯度下降法修正x的像素值,逐步修正合成圖像x的像素值,使之損失變到最小,獲得最終的風(fēng)格遷移后的圖像。
2.根據(jù)權(quán)利要求1所述的基于遷移學(xué)習(xí)的3D模型圖像的構(gòu)建方法,其特征是:所述步驟二中的圖像點(diǎn)運(yùn)算函數(shù)表示為:B(i,j)=f[A(i,j)],其中B(i,j)為生成的圖像像素點(diǎn),f為映射函數(shù),A(i,j)為原始的圖像像素點(diǎn)。
3.根據(jù)權(quán)利要求1所述的基于遷移學(xué)習(xí)的3D模型圖像的構(gòu)建方法,其特征是:所述步驟二中的圖像代數(shù)運(yùn)算是對兩幅或兩幅以上的輸入圖像的對應(yīng)像元逐個(gè)地進(jìn)行和、差、積、商的四則運(yùn)算,以產(chǎn)生有增強(qiáng)效果的圖像。
4.根據(jù)權(quán)利要求1所述的基于遷移學(xué)習(xí)的3D模型圖像的構(gòu)建方法,其特征是:所述步驟二中圖像的邏輯運(yùn)算是將兩幅圖像的對應(yīng)像素進(jìn)行邏輯運(yùn)算,邏輯運(yùn)算主要包括與(AND)、或(OR)以及補(bǔ)運(yùn)算。
5.根據(jù)權(quán)利要求1所述的基于遷移學(xué)習(xí)的3D模型圖像的構(gòu)建方法,其特征是:所述步驟二中圖像幾何運(yùn)算函數(shù)為:g(x,y)=f(i',j')=f[a(i,j),b(i,j)]其中,f(i,j)表示輸入圖像 ,g(x,y)表示輸出圖像 ,a(i,j)和b(i,j)均表示空間變換,a(i,j)和b(i,j)是連續(xù)的,則保持圖像 中的連通關(guān)系。
6.根據(jù)權(quán)利要求1所述的基于遷移學(xué)習(xí)的3D模型圖像的構(gòu)建方法,其特征是:所述步驟六中圖像內(nèi)容差別公式為:
其中,Pij為原始的內(nèi)容圖像的卷積特征,F(xiàn)ij為待生成圖像的卷積特征,i 表示卷積的第i個(gè)通道,j表示卷積的第j個(gè)位置。
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)利屬于長春中國光學(xué)科學(xué)技術(shù)館;長春理工大學(xué),未經(jīng)長春中國光學(xué)科學(xué)技術(shù)館;長春理工大學(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/202010146696.4/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 遷移方法和裝置
- 移動(dòng)邊緣系統(tǒng)中遷移應(yīng)用方法、相關(guān)設(shè)備及系統(tǒng)
- 虛擬機(jī)的遷移方法及裝置
- 數(shù)據(jù)遷移方法、裝置、計(jì)算機(jī)設(shè)備和存儲介質(zhì)
- 計(jì)算任務(wù)遷移方法及計(jì)算任務(wù)遷移器
- 文件遷移方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)
- 基于遷移工具的國產(chǎn)化應(yīng)用系統(tǒng)遷移方法
- 數(shù)據(jù)遷移方法及裝置
- 文件遷移方法及裝置
- 一種數(shù)據(jù)遷移方法、裝置、電子設(shè)備和存儲介質(zhì)
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲介質(zhì)
- 游戲?qū)W習(xí)效果評測方法及系統(tǒng)





