[發明專利]生成對抗網絡的訓練方法、裝置及終端設備

在審

• 申請號: 202011193170.8
• 申請日: 2020-10-30
• 公開（公告）號: CN112329932A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 劉業鵬;程駿;王玥;龐建新
• 申請（專利權）人: 深圳市優必選科技股份有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 劉永康

1.一種生成對抗網絡的訓練方法，其特征在于，所述生成對抗網絡中包括N個子網絡，其中，不同子網絡的輸入圖像的尺度不同，N為大于1的正整數；

所述訓練方法包括：

獲取第一樣本圖像；

根據每個子網絡的輸入圖像的尺度，將所述第一樣本圖像生成與每個子網絡各自匹配的第二樣本圖像；

根據所述第二樣本圖像對各自匹配的子網絡進行迭代訓練。

2.如權利要求1所述的生成對抗網絡的訓練方法，其特征在于，所述每個子網絡中包括一個生成器和一個判別器；

所述根據所述第二樣本圖像對各自匹配的子網絡進行迭代訓練，包括：

在第h次迭代訓練的過程中，通過每個子網絡的生成器依次生成每個子網絡各自匹配的訓練圖像，h為正整數；

根據所述第二樣本圖像和所述訓練圖像對各自匹配的子網絡進行所述第h次迭代訓練。

3.如權利要求2所述的生成對抗網絡的訓練方法，其特征在于，第i個子網絡的輸入圖像的尺度小于第i+1個子網絡的輸入圖像的尺度，所述1≤i≤N-1；

所述在第h次迭代訓練的過程中，通過每個子網絡的生成器依次生成每個子網絡各自匹配的訓練圖像，包括：

對于第1個子網絡，獲取第1張噪聲圖像，其中，所述第1張噪聲圖像的尺度與第1個子網絡的輸入圖像的尺度相匹配；

將所述第1張噪聲圖像輸入到所述第1個子網絡的生成器中，得到第1個子網絡匹配的訓練圖像。

4.如權利要求2所述的生成對抗網絡的訓練方法，其特征在于，第i個子網絡的輸入圖像的尺度小于第i+1個子網絡的輸入圖像的尺度，所述1≤i≤N-1；

所述在第h次迭代訓練的過程中，通過每個子網絡的生成器依次生成每個子網絡各自匹配的訓練圖像，包括：

對于第n個子網絡，獲取第n-1個子網絡匹配的訓練圖像和第n張噪聲圖像，其中，所述第n張噪聲圖像的尺度與第n個子網絡的輸入圖像的尺度相匹配，1n≤N；

將所述第n-1個子網絡匹配的訓練圖像轉換為與所述第n個子網絡的輸入圖像的尺度相匹配的縮放圖像；

將所述第n張噪聲圖像疊加到與所述第n個子網絡的輸入圖像的尺度相匹配的縮放圖像中，得到疊加圖像；

將所述疊加圖像輸入到所述第n個子網絡的生成器中，得到第n個子網絡匹配的訓練圖像。

5.如權利要求2所述的生成對抗網絡的訓練方法，其特征在于，在第h次迭代訓練的過程中，所述根據所述第二樣本圖像和所述訓練圖像對各自匹配的子網絡進行所述第h次迭代訓練，包括：

將所述第二樣本圖像和所述訓練圖像輸入到各自匹配的子網絡的判別器中，得到每個子網絡的判別器的訓練結果，其中，所述訓練結果包括第一概率值或第二概率值，所述第一概率值用于表示子網絡的判別器的兩張輸入圖像的圖像分布一致，所述第二概率值用于表示子網絡的判別器的兩張輸入圖像的圖像分布不一致；

若所述訓練結果中存在第一概率值，則根據所述訓練結果對各自對應的子網絡進行第h+1次迭代訓練。

6.如權利要求5所述的生成對抗網絡的訓練方法，其特征在于，所述根據所述訓練結果對各自對應的子網絡進行第h+1迭代訓練，包括：

根據所述訓練結果計算各自對應的子網絡的判別器的誤差數據；

根據所述誤差數據更新各自對應的子網絡的生成器的參數，得到每個子網絡更新后的生成器；

通過所述每個子網絡更新后的生成器重新依次生成每個子網絡各自匹配的訓練圖像；

根據所述第二樣本圖像和重新依次生成的訓練圖像對各自匹配的子網絡進行所述第h+1次迭代訓練。

7.如權利要求1所述的生成對抗網絡的訓練方法，其特征在于，訓練后的生成對抗網絡用于將輸入圖像轉換為預設風格的圖像；

在根據所述第二樣本圖像對各自匹配的子網絡進行迭代訓練之后，所述方法還包括：

向用戶提示預設繪畫信息，以指示用戶根據所述預設繪畫信息繪制出手繪圖像；

獲取用戶繪制出的手繪圖像；

將所述手繪圖像輸入到訓練后的生成對抗網絡的生成器中，輸出目標圖像，其中，所述目標圖像所屬的圖像風格與所述預設風格一致。