基于对抗网络的汉字字体迁移系统技术方案

本发明专利技术提供一种基于对抗网络的汉字字体迁移系统，所述系统包括：汉字迁移模块：将源字体通过全卷积神经网络映射成与源字体内容一致、字体不同的生成目标字体；判别器模块：利用基于深度神经网络的判别器网络对生成目标字体和与之对应的真实目标字体，即金标准进行真假字体判别，借助对抗网络训练的思想，不断优化汉字迁移网络，使之能输出更逼真的生成目标字体。本发明专利技术能够基于对抗网络将任一印刷体的汉字迁移成另一印刷体，甚至对应某一人的手写体。

【技术实现步骤摘要】
基于对抗网络的汉字字体迁移系统
本专利技术涉及计算机视觉和图像处理领域，具体地，涉及一种基于对抗网络的汉字字体迁移系统。
技术介绍
众所周知，中文汉字有逾7000个之多，常用汉字有3755个。设计者设计一款字体需要设计出该字体下的每个汉字，设计一款书法家字体也需要该书法家写出几乎所有常用汉字。因此，汉字字体设计是一项非常耗时繁重的任务，探索更为高效的设计方法：即如何只需人工设计某一字体下的部分汉字，而自动生成该字体下剩余的汉字，具有很大的实用意义。近年来，以深度神经网络为最主要特点的深度学习(DeepLearning)在很多领域得到广泛应用，极大地推动了如图像识别、物体检测、视频预测、自然语言处理等领域的发展。在图像生成领域，利用深度学习进行图像风格转换取得了很好的效果，深度学习可以将一张普通的照片A与一张艺术家的画作B相结合，生成具有画作B风格的照片A。受此启发，国外有研究人员实现了拉丁文语系的字母风格转换。但是，不同于英语只有26个英文字母，中文汉字仅常用字就有3755个，且有的汉字笔画繁多，结构复杂；汉字字体也种类多样，如宋体、楷体、仿宋、黑体……包括各种著名书法家或者普通人的本文档来自技高网...

【技术保护点】
一种基于对抗网络的汉字字体迁移系统，其特征在于，包括：汉字迁移模块H：将源字体通过全卷积神经网络映射成与源字体内容一致、字体不同的生成目标字体；判别器模块D：利用基于深度神经网络的判别器网络对生成目标字体和与之对应的真实目标字体，即金标准进行真假字体判别，借助对抗网络训练的思想，对汉字迁移网络中的参数进行优化。

【技术特征摘要】
1.一种基于对抗网络的汉字字体迁移系统，其特征在于，包括：汉字迁移模块H：将源字体通过全卷积神经网络映射成与源字体内容一致、字体不同的生成目标字体；判别器模块D：利用基于深度神经网络的判别器网络对生成目标字体和与之对应的真实目标字体，即金标准进行真假字体判别，借助对抗网络训练的思想，对汉字迁移网络中的参数进行优化。2.根据权利要求1所述的基于对抗网络的汉字字体迁移系统，其特征在于，所述汉字迁移模块为全卷积深度神经网络，包含如下两个子模块:汉字编码子模块：对输入的任一源字体Si，通过一系列卷积操作，将其编码成尺度固定的三维特征向量Fi；汉字解码子模块：对经汉字编码子模块得到的三维特征向量Fi，进行一系列解卷积和卷积操作，将其解码成生成目标字体Gi。3.根据权利要求2所述的基于对抗网络的汉字字体迁移系统，其特征在于，所述汉字编码子模块，采用全卷积神经网络，摒弃降采样一般所采用的池化操作，源字体Si经过所述汉字编码子模块被映射成固定大小的三维特征向量Fi，所述三维特征向量Fi被认为是对源字体Si内容的表征，简称为表征特征向量。4.根据权利要求2所述的基于对抗网络的汉字字体迁移系统，其特征在于，所述汉字解码子模块，采用全卷积神经网络，并且运用跳跃连接结构；所述表征特征向量Fi经所述汉字解码子模块被映射成与源字体Si相同大小的生成目标字体Gi。5.根据权利要求1-4任一项所述的基于对抗网络的汉字字体迁移系统，其特征在于，所述判别器模块对接收的生成目标字体Gi和与之对应的金标准Ti进行真伪判别，通过一系列卷积层和全连接层，输入的每个汉字被映射成二元输出值：1或0，1代表真，0代表伪。6.根据权利要求1-4任一项所述的基于对...

【专利技术属性】
技术研发人员：张娅，常杰，顾宇俊，王延峰，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31