The invention provides a method for generating a specific scene, which integrates semantic control, including selecting a number of object drawings and a number of different specific scene pictures containing the object, making different attribute labels according to the characteristics of the specific scene in the specific scene pictures, cutting and processing the pictures of the specific scene, and obtaining training samples. Conditional Generative Confrontation Network composed of discriminator and generator; input item graph and label together as input into generator to generate specific scene graph described by label; specific scene graph containing item is used as target scene graph, and specific scene graph and target scene described by label generated by generator are used as target scene graph. The graph, item graph and label are input into the discriminator together, and the discriminator trains the model through the conditional confrontation network. The similar object graph and the desired scene are input into the trained model in the form of labels to obtain the corresponding scene image.
【技术实现步骤摘要】
一种融合语义控制的特定场景生成方法
本专利技术属于机器学习算法领域,具体的说,涉及了一种融合语义控制的特定场景生成方法。
技术介绍
融合语义控制的特定场景生成指的是通过语义控制让计算机生成语言所描述的场景。能够真实的描绘世界一直是人类的追求,绘画的诞生源于人类描绘世界的需要,对极致的追求成就了艺术。相机的专利技术使人类记录世界变得容易,计算机出现后,人类开始让计算机自己来描绘真实世界,由此诞生了许多生成算法。传统的生成算法有梯度方向直方图,尺度不变特征变换等,这些算法采用手工提取特征与浅层模型相组合的方法实现目标的生成。其解决方案基本遵循四个步骤:图像预处理→手动特征提取→建立模型(分类器/回归器)→输出。而深度学习算法解决计算机视觉的思路是端到端(EndtoEnd),即从输入直接到输出,中间采用神经网络自动学习特征,避免了手动特征提取的繁琐操作。深度学习是机器学习的一个重要分支,因其最近几年在许多领域取得重大突破而受到广泛关注。生成式对抗网络(GenerativeAdversarialNetworks,GAN)是2014年由Goodfellow等提出的一种生成式深度学习模型,该模型一经提出就成为了计算机视觉研究领域热点研究方向之一。由于GAN出色的生成能力,使得GAN在样本生成领域取得显著成就,其次GAN在图像还原与修复、图像风格迁移、文本与图像的相互生成、图像的高质量生成等领域也已经成为一个有巨大应用价值的课题。同时工业界中的不少领军企业也已加入GAN发展的浪潮中。比如Facebook、Google、Apple等公司。基于以上研究,GAN为实现融合语义 ...
【技术保护点】
1.一种融合语义控制的特定场景生成方法,其特征在于,包括如下步骤:步骤1、选取若干物品图以及多个包含该物品的不同特定场景图片;步骤2、根据特定场景图片中特定场景的特点制作不同的属性标签,将特定场景图片裁剪处理后,获得训练样本,训练样本包括物品图、与物品图对应的包含该物品的特定场景图及描述该场景的标签;步骤3、构建由判别器与生成器组成的条件生成式对抗网络;步骤4、将物品图与标签一起作为输入,输入到生成器中,生成标签所描述的特定场景图;步骤5、包含物品的特定场景图作为目标场景图,将由生成器生成的标签所描述的特定场景图、目标场景图、物品图及标签一同输入到判别器中,判别器通过条件对抗网络进行模型训练;步骤6、将待处理的同类物品图及想要得到的场景以标签形式输入训练好的模型即可获得对应的场景图像。
【技术特征摘要】
1.一种融合语义控制的特定场景生成方法,其特征在于,包括如下步骤:步骤1、选取若干物品图以及多个包含该物品的不同特定场景图片;步骤2、根据特定场景图片中特定场景的特点制作不同的属性标签,将特定场景图片裁剪处理后,获得训练样本,训练样本包括物品图、与物品图对应的包含该物品的特定场景图及描述该场景的标签;步骤3、构建由判别器与生成器组成的条件生成式对抗网络;步骤4、将物品图与标签一起作为输入,输入到生成器中,生成标签所描述的特定场景图;步骤5、包含物品的特定场景图作为目标场景图,将由生成器生成的标签所描述的特定场景图、目标场景图、物品图及标签一同输入到判别器中,判别器通过条件对抗网络进行模型训练;步骤6、将待处理的同类...
【专利技术属性】
技术研发人员:曹仰杰,陈永霞,段鹏松,林楠,贾丽丽,
申请(专利权)人:郑州大学,
类型:发明
国别省市:河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。