神经网络及关联图像的生成方法技术

本发明专利技术提供一种神经网络和关联图像的生成方法，该神经网络用于生成原始图像的关联图像，至少包括：特征提取层、特征变幻层和图像生成层；特征提取层通过卷积操作将原始图像转换为特征图；特征变幻层用于将特征图中的A1特征转换为A2特征，其中A2特征是A1特征的关联特征；图像生成层通过反卷积操作将包含A2特征的特征图转换为关联图像输出。基于本发明专利技术的神经网络，无需人工参与，即可智能实现图像修改，并使修改后的图像生动自然。

【技术实现步骤摘要】
神经网络及关联图像的生成方法
本专利技术涉及计算机领域，特别涉及一种神经网络及关联图像的生成方法。
技术介绍
随着电子设备特别是智能手机的发展，涌现了越来越多对于图像生成的需求，例如，如何将有一张无表情的人脸照片，修改成一张微笑人脸照片。现有的图像生成，一般采用以下几种方式：(1)在原始图片的基础上，通过人工干涉或者手工修改的方式生成新图片；(2)通过两张图片局部替换的方式来生成新图片；(3)通过对原图的某些像素修改的方式来生成新图片；(4)通过深度学习的对抗网络生成新图片。但上述的技术，存在以下问题：(1)通过人工干涉/手工修改生成新图片的方式复杂耗时，并且需要一定的专业技巧，普通用户无法掌握，如通过Photoshop来修改图片等。(2)通过两张图片之间进行局部替换的方式来生成新图片，需要用户提供替代图，限制了使用的场景。(3)通过对原图的某些像素修改的方式来生成新图片，生成的图片生硬不自然，与原图相比经常失真严重。(4)通过对抗网络(GAN)生成的图片具有随机性，不能指定明确的生成效果，无法满足用户的需求。由此可见，现有技术均无法有效满足用户需求，急需开发一种修改效果生动自然的图本文档来自技高网...

【技术保护点】
1.一种神经网络，其特征在于，所述神经网络用于生成原始图像的关联图像，所述神经网络至少包括：特征提取层、特征变幻层和图像生成层；所述特征提取层通过卷积操作将所述原始图像转换为特征图；所述特征变幻层用于将所述特征图中的A1特征转换为A2特征，其中所述A2特征是所述A1特征的关联特征；所述图像生成层通过反卷积操作将包含所述A2特征的特征图转换为所述关联图像输出。

【技术特征摘要】
1.一种神经网络，其特征在于，所述神经网络用于生成原始图像的关联图像，所述神经网络至少包括：特征提取层、特征变幻层和图像生成层；所述特征提取层通过卷积操作将所述原始图像转换为特征图；所述特征变幻层用于将所述特征图中的A1特征转换为A2特征，其中所述A2特征是所述A1特征的关联特征；所述图像生成层通过反卷积操作将包含所述A2特征的特征图转换为所述关联图像输出。2.根据权利要求1所述的神经网络，其特征在于，所述特征提取层包含L个空洞卷积，L≥1。3.根据权利要求2所述的神经网络，其特征在于，L＝4。4.根据权利要求3所述的神经网络，其特征在于，所述4个空洞卷积的卷积核尺寸K均为3，步幅stride依次为1、1、2、2，每个卷积输出的特征图数量依次为32、16、8、4。5.根据权利要求1所述的神经网络，其特征在于，所述特征变幻层包含M个原始卷积，M≥1。6.根据权利要求5所述的神经网络，其特征在于，M＝4。7.根据权...

【专利技术属性】
技术研发人员：田立，
申请(专利权)人：三星电子中国研发中心，三星电子株式会社，
类型：发明
国别省市：江苏,32