[發明專利]一種基于生成對抗網絡的圖像樣本擴充方法

在審

• 申請號: 202211538593.8
• 申請日: 2022-12-01
• 公開（公告）號: CN115861735A
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 舒朗;韓根甲
• 申請（專利權）人: 武漢華中天經通視科技有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06N3/044;G06N3/045;G06N3/0475;G06N3/094
• 代理公司: 武漢凌達知識產權事務所(特殊普通合伙) 42221
• 代理人: 劉念濤

1.一種基于生成對抗網絡的圖像樣本擴充方法，其特征在于：通過SinGAN模型捕捉給定單幀圖像中各個小塊內的內在分布，從分辨率最低的尺度開始將圖像樣本依次通過所有生成器，直到分辨率最高的尺度，同時在每個尺度中加入噪聲，生成與給定圖像中視覺內容相同的新圖像；新圖像引入循環生成對抗網絡CycleGAN，將生成的圖像再通過生成器轉換回去與原圖像進行鑒別判定，約束原圖像和新圖像兩者間的映射關系，得到融合了SinGAN和CycleGAN的Cycle-SinGAN網絡；通過SinGAN模型采用單個圖像的patch，每個SinGAN模型捕獲不同規模的patch分布，得到由多個全卷積GANs{G₀，G₁，…，G_N}組成的金字塔；每個生成器G_N生成真實圖像x_N的權重與偏置，圖像樣本從最粗的尺度開始，加入噪聲Z_N，依次通過所有生成器G_N，得到圖像x_N，將圖像x_N放大r倍后，加入另外一個噪聲Z_N－1，一并輸入生成器G_N－1，生成更多細節的圖像x_N－1，以此類推，直到最細的尺度，生成具有豐富細節的圖像x₀：其中金字塔比例因子公式為/

2.根據權利要求1所述的一種基于生成對抗網絡的圖像樣本擴充方法，其特征在于，所述的CycleGAN通過如下一致性損失函數生成圖像：

L_cyc(G,F)＝E_x～pdata(x)[||F(G(x))-x||₁]+E_y～pdata(y)[||G(F(y))-y||₁]，

其中G(x)表示從原始圖像域到生成圖像域的變化，F(G(x))表示再從生成圖像域變化到原始圖像域，F(G(x))與x盡可能接近，G(F(y))與y盡可能接近。