[發明專利]一種基于GAN的自動化設計圖像生成方法

在審

• 申請號: 202010423772.1
• 申請日: 2020-05-19
• 公開（公告）號: CN111784592A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 費棋;曹磊
• 申請（專利權）人: 知昇（上海）人工智能科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/20;G06T5/30;G06T7/13;G06N3/04;G06K9/62
• 代理公司: 上海宣宜專利代理事務所(普通合伙) 31288
• 代理人: 陳酩

本發明公開了一種基于GAN的自動化設計圖像生成方法，包括以下步驟：步驟1：將圖像進行空白剔除、大小歸一化操作，并將所有圖像轉換為預設像素×預設像素的像素大小；步驟2：搭建與運行GAN深度學習模型；步驟3：經過若干輪訓練迭代后，將超參賦值于生成器網絡中，生成新的設計圖像；步驟4：將生成出的設計圖像進行腐蝕與膨脹數學計算，減少其噪聲點；步驟5：使用中值濾波對圖像中色彩邊緣進行平滑，減少邊緣突變。本發明方法相對于傳統GAN方法，一方面所生成出的設計圖像邊緣更加平滑、顏色更加美觀，另一方面也可以根據網絡模型中的超參調整改變生成圖像的分布函數，增加設計圖像的多樣性。

技術領域

本發明涉及圖像生成技術領域，具體為一種基于GAN的自動化設計圖像生成方法。

背景技術

設計師在進行圖片設計時要同時考慮到美觀、多樣等問題，往往需要花費大量時間設計圖片并進行修改，因此使用人工智能算法快速生成設計圖片，極大地壓縮設計時間，將大多低端的定制化設計工作轉別為量販式設計具有巨大的經濟價值。

目前已有使用生成對抗網絡(GAN)生成圖像的研究或發明，比如華中科技大學的專利《一種任意姿態行人圖片生成方法》(申請號201810295994.2)、電子科技大學的專利《基于生成對抗網絡的服飾搭配生成方法》(申請號201910842802.X)等等。

但是大多基于GAN的圖片生成方法一般使用樸素GAN模型，存在色彩搭配交叉、邊緣不平滑、細節不可控、生成樣式較為單一等缺陷。本發明提出新的GAN結構，融合styleGAN模型設計理念，并對其進行進一步改進，能夠設計出能夠生成多樣、色彩美觀、邊緣平滑的設計圖像。

發明內容

本發明的目的在于提供一種基于GAN的自動化設計圖像生成方法，這種方法相對于傳統GAN方法，一方面所生成出的設計圖像邊緣更加平滑、顏色更加美觀，另一方面也可以根據網絡模型中的超參調整改變生成圖像的分布函數，增加設計圖像的多樣性。

為實現上述目的，本發明提供如下技術方案：一種基于GAN的自動化設計圖像生成方法，包括以下步驟：

步驟1：將圖像進行空白剔除、大小歸一化操作，并將所有圖像轉換為預設像素×預設像素的像素大小；

步驟2：搭建與運行GAN深度學習模型；

步驟3：經過若干輪訓練迭代后，將超參賦值于生成器網絡中，生成新的設計圖像；

步驟4：將生成出的設計圖像進行腐蝕與膨脹數學計算，減少其噪聲點；

步驟5：使用中值濾波對圖像中色彩邊緣進行平滑，減少邊緣突變。

優選的，所述步驟2中的：GAN深度學習模型可分為生成器與判別器，在一輪訓練迭代中生成器網絡輸入預設像素×1維度的隨機向量后，生成出預設像素×預設像素的圖像，生成圖像與真實圖像均放入判別器后計算分類準確率與損失函數，將計算的損失分別反饋給生成器與判別器，生成器網絡與判別器網絡根據損失梯度下降結果，反饋至網絡參數，對網絡參數進行調整，然后進入下一輪訓練迭代。

優選的，所述生成器網絡可不斷生成預設像素元×預設像素元像素的圖像。

優選的，所述預設像素為256×256像素的圖像或者1024×1024像素的圖像。

優選的，所述步驟1中的：空白剔除是將遍歷設計圖像的每一個像素點，尋找最左上角非白色像素點以及最右下角非白色像素點，保留這兩個像素點以內的矩形范圍，提出該范圍外的空白部分。

優選的，所述步驟1中的：大小歸一化是為了保證設計圖像的長寬比，將設計圖像長寬比在預設圖像長寬比內的圖像刪除，將該預設圖像長寬比外的圖像長寬縮放為預設像素×預設像素。

優選的，所述預設圖像長寬比為1:1.2。