[發明專利]一種圖像數據集生成制作方法、裝置、設備及存儲介質

在審

• 申請號: 202011492987.5
• 申請日: 2020-12-16
• 公開（公告）號: CN112489168A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 張德浩
• 申請（專利權）人: 中國科學院長春光學精密機械與物理研究所
• 主分類號: G06T11/60
• 分類號: G06T11/60;G06F16/951;G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 巴翠昆

1.一種圖像數據集生成制作方法，其特征在于，包括：

制作包含多個真實圖像的初始圖像集；

構建生成式對抗網絡中生成器與判別器的網絡結構；

以所述初始圖像集為輸入，將變分自編碼器加入到所述生成式對抗網絡的整個訓練過程中，得到訓練好的VAE-GAN網絡模型；

將圖像樣本輸入至訓練好的所述VAE-GAN網絡模型，得到與所述圖像樣本對應的圖像數據集。

2.根據權利要求1所述的圖像數據集生成制作方法，其特征在于，制作包含多個真實圖像的初始圖像集，具體包括：

通過網絡爬蟲技術采集目標的原始圖像；

對采集到的所述原始圖像進行預處理，將所有所述原始圖像調整為分辨率和大小均相同的三通道彩色真實圖像；

將調整得到的所述真實圖像制作成初始圖像集。

3.根據權利要求2所述的圖像數據集生成制作方法，其特征在于，構建生成式對抗網絡中生成器與判別器的網絡結構，具體包括：

在所述生成器中采用七層反卷積神經網絡；所述反卷積神經網絡使用5*5的反卷積核，在每一層所述反卷積層后加入relu激活函數；

在所述判別器中采用七層卷積神經網絡；所述卷積神經網絡使用5*5的卷積核，在每一層所述卷積層后加入lrelu激活函數，使用卷積前后特征圖大小相同的填充方式，同時加入最大池化操作。

4.根據權利要求3所述的圖像數據集生成制作方法，其特征在于，將變分自編碼器加入到所述生成式對抗網絡的整個訓練過程中，具體包括：

通過所述變分自編碼器的編碼器對所述真實圖像進行編碼，得到隱性變量；

將所述隱性變量通過所述變分自編碼器的解碼器得到所述變分自編碼器的生成圖像；

將隨機噪聲通過所述生成器得到所述生成式對抗網絡的生成圖像；

將所述真實圖像、所述變分自編碼器的生成圖像、所述生成式對抗網絡的生成圖像同時通過所述判別器進行判別。

5.根據權利要求4所述的圖像數據集生成制作方法，其特征在于，所述解碼器與所述生成器合為一個上采樣層。

6.根據權利要求5所述的圖像數據集生成制作方法，其特征在于，將變分自編碼器加入到所述生成式對抗網絡的整個訓練過程中，具體還包括：

利用多個所述判別器同時進行整體圖像和局部圖像的判別，以鑒定不同尺寸的圖像真偽；

通過多個所述判別器的權重共享得到所述生成圖像的不同位置的細節信息。

7.根據權利要求6所述的圖像數據集生成制作方法，其特征在于，還包括：

通過VGG分類網絡模型來評估所述生成器的生成圖像與真實圖像之間的相似性。

8.一種圖像數據集生成制作裝置，其特征在于，包括：

初始圖像集制作模塊，用于制作包含多個真實圖像的初始圖像集；

GAN網絡構建模塊，用于構建生成式對抗網絡中生成器與判別器的網絡結構；

VAE-GAN訓練模塊，用于以所述初始圖像集為輸入，將變分自編碼器加入到所述生成式對抗網絡的整個訓練過程中，得到訓練好的VAE-GAN網絡模型；

圖像數據集生成模塊，用于將圖像樣本輸入至訓練好的所述VAE-GAN網絡模型，得到與所述圖像樣本對應的圖像數據集。

9.一種圖像數據集生成制作設備，其特征在于，包括處理器和存儲器，其中，所述處理器執行所述存儲器中保存的計算機程序時實現如權利要求1至7任一項所述的圖像數據集生成制作方法。

10.一種計算機可讀存儲介質，其特征在于，用于存儲計算機程序，其中，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述的圖像數據集生成制作方法。