[發(fā)明專利]一種基于對(duì)抗生成網(wǎng)絡(luò)的筆跡生成方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110310331.5
• 申請(qǐng)日: 2021-03-23
• 公開(kāi)（公告）號(hào): CN113095158A
• 公開(kāi)（公告）日: 2021-07-09
• 發(fā)明（設(shè)計(jì)）人: 張翔宇;翟軍治;黃柳玉
• 申請(qǐng)（專利權(quán)）人: 西安深信科創(chuàng)信息技術(shù)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安嘉思特知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61230
• 代理人: 王海棟

1.一種基于對(duì)抗生成網(wǎng)絡(luò)的筆跡生成方法，其特征在于，所述筆跡生成方法包括：

根據(jù)相同文字規(guī)則，獲取筆跡圖像對(duì)；

對(duì)所述筆跡圖像對(duì)進(jìn)行擴(kuò)充，以達(dá)到預(yù)設(shè)的樣本數(shù)，得到輸入樣本集；

迭代將所述輸入樣本集中的樣本輸入至學(xué)習(xí)網(wǎng)絡(luò)中，以使所述學(xué)習(xí)網(wǎng)絡(luò)中的生成網(wǎng)絡(luò)生成待判別筆跡圖像，所述學(xué)習(xí)網(wǎng)絡(luò)中的判別網(wǎng)絡(luò)判別每個(gè)待判別筆跡圖像中的每個(gè)塊的真?zhèn)危⒒谒錾删W(wǎng)絡(luò)的損失函數(shù)以及所述判別網(wǎng)絡(luò)的損失函數(shù)，確定所述學(xué)習(xí)網(wǎng)絡(luò)的損失函數(shù)，調(diào)整所述學(xué)習(xí)網(wǎng)絡(luò)的權(quán)重直至達(dá)到迭代截止條件，獲得訓(xùn)練完成的學(xué)習(xí)網(wǎng)絡(luò)；

將需求字符圖像輸入至所述訓(xùn)練完成的學(xué)習(xí)網(wǎng)絡(luò)，生成與目標(biāo)筆跡更相近的筆跡字符。

2.根據(jù)權(quán)利要求1所述的筆跡生成方法，其特征在于，所述根據(jù)相同文字規(guī)則，獲取筆跡圖像對(duì)的步驟包括：

讀取源文件以及目標(biāo)文件中的共同字符；

將所述共同字符轉(zhuǎn)化為筆跡圖像對(duì)；

將所述筆跡圖像對(duì)進(jìn)行縮放，以使所述筆跡圖像對(duì)的大小相同。

3.根據(jù)權(quán)利要求1所述的筆跡生成方法，其特征在于，所述對(duì)所述筆跡圖像對(duì)進(jìn)行擴(kuò)充，以達(dá)到預(yù)設(shè)的樣本數(shù)包括：

對(duì)所述筆跡圖像對(duì)在方向、噪聲、大小、偏移量、旋轉(zhuǎn)角度上進(jìn)行預(yù)處理，以擴(kuò)充所述筆跡圖像對(duì)的數(shù)量至預(yù)設(shè)的樣本數(shù)。

4.根據(jù)權(quán)利要求1所述的筆跡生成方法，其特征在于，所述生成網(wǎng)絡(luò)包括：編碼器以及解碼器，所述生成網(wǎng)絡(luò)用于通過(guò)編碼器以及解碼器將所述樣本中3維、64維、128維、256維、512維特征融合為一體，生成待判別筆跡圖像。

5.根據(jù)權(quán)利要求1所述的筆跡生成方法，其特征在于，所述基于所述生成網(wǎng)絡(luò)的損失函數(shù)以及所述判別網(wǎng)絡(luò)的損失函數(shù)，確定所述學(xué)習(xí)網(wǎng)絡(luò)的損失函數(shù)包括：

對(duì)所生成網(wǎng)絡(luò)的損失函數(shù)以及判別網(wǎng)絡(luò)的損失函數(shù)加權(quán)求和，確定所述學(xué)習(xí)網(wǎng)絡(luò)的損失函數(shù)。

6.根據(jù)權(quán)利要求5所述的筆跡生成方法，其特征在于，

所述生成網(wǎng)絡(luò)的損失函數(shù)為：

所述判別網(wǎng)絡(luò)的損失函數(shù)為：

所述學(xué)習(xí)網(wǎng)絡(luò)的損失函數(shù)為：

其中，G表示生成網(wǎng)絡(luò)，D表示判別網(wǎng)絡(luò)，x表示輸入源字體，y表示真實(shí)字跡，z表示添加噪聲向量，λ表示調(diào)節(jié)因子，用于平衡生成網(wǎng)絡(luò)的損失函數(shù)以及判別網(wǎng)絡(luò)的損失函數(shù)。

7.根據(jù)權(quán)利要求1所述的筆跡生成方法，其特征在于，所述將需求字符圖像輸入至所述訓(xùn)練完成的學(xué)習(xí)網(wǎng)絡(luò)，生成與目標(biāo)筆跡更相近的筆跡字符包括：

將需求字符圖像輸入至所述訓(xùn)練完成的學(xué)習(xí)網(wǎng)絡(luò)，當(dāng)所述需求字符圖像中包含多個(gè)字符時(shí)，將所述訓(xùn)練完成的學(xué)習(xí)網(wǎng)絡(luò)生成的筆跡字符進(jìn)行縱向拼接，獲得與目標(biāo)筆跡更相近的筆跡字符。

8.根據(jù)權(quán)利要求1所述的筆跡生成方法，其特征在于，所述判別網(wǎng)絡(luò)為PatchGAN網(wǎng)絡(luò)，所述PatchGAN網(wǎng)絡(luò)將所述待判別筆跡圖像分為多個(gè)塊，并判別每個(gè)塊的真?zhèn)危镀贝_定所述待判別筆跡圖像的真?zhèn)巍?/p>

9.一種基于對(duì)抗生成網(wǎng)絡(luò)的筆跡生成裝置，其特征在于，所述筆跡生成裝置包括：

獲取模塊，用于根據(jù)相同文字規(guī)則，獲取筆跡圖像對(duì)；

擴(kuò)充模塊，用于對(duì)所述筆跡圖像對(duì)進(jìn)行擴(kuò)充，以達(dá)到預(yù)設(shè)的樣本數(shù)，得到輸入樣本集；

訓(xùn)練模塊，用于迭代將所述輸入樣本集中的樣本輸入至學(xué)習(xí)網(wǎng)絡(luò)中，以使所述學(xué)習(xí)網(wǎng)絡(luò)中的生成網(wǎng)絡(luò)生成待判別筆跡圖像，所述學(xué)習(xí)網(wǎng)絡(luò)中的判別網(wǎng)絡(luò)判別每個(gè)待判別筆跡圖像中的每個(gè)塊的真?zhèn)危⒒谒錾删W(wǎng)絡(luò)的損失函數(shù)以及所述判別網(wǎng)絡(luò)的損失函數(shù)，確定所述學(xué)習(xí)網(wǎng)絡(luò)的損失函數(shù)，調(diào)整所述學(xué)習(xí)網(wǎng)絡(luò)的權(quán)重直至達(dá)到迭代截止條件，獲得訓(xùn)練完成的學(xué)習(xí)網(wǎng)絡(luò)；

生成模塊，用于將需求字符圖像輸入至所述訓(xùn)練完成的學(xué)習(xí)網(wǎng)絡(luò)，生成與目標(biāo)筆跡更相近的筆跡字符。

10.根據(jù)權(quán)利要求9所述的筆跡生成裝置，其特征在于，所述獲取模塊，具體用于：

讀取源文件以及目標(biāo)文件中的共同字符；

將所述共同字符轉(zhuǎn)化為筆跡圖像對(duì)；

將所述筆跡圖像對(duì)進(jìn)行縮放，以使所述筆跡圖像對(duì)的大小相同。