The invention relates to an image synthesis method based on attribute migration, which is used to migrate sparse attribute features of attribute images to normal images, including the following steps: 1) acquiring normal images and attribute images to be synthesized; 2) processing the normal images and attribute images to be synthesized by using a trained attribute migration model to obtain composite images; and 3) the attribute migration. The shift model is a convolution network model, which includes image generator, discriminator unit and classification network based on attention loss. The attribute transfer model is obtained by training samples composed of normal images and attribute images. Compared with the prior art, the invention has the advantages of solving the problem of small sample generation, high efficiency of attribute migration and high accuracy.
【技术实现步骤摘要】
一种基于属性迁移的图像合成方法
本专利技术涉及一种机器学习中的图像处理方法,尤其是涉及一种基于属性迁移的图像合成方法。
技术介绍
小样本问题是计算机视觉领域常见但又极具挑战性的问题之一。传统机器学习中,小样本问题的研究大多依赖特征选择、子空间学习等方法。近几年,深度学习技术尤其是深度生成模型的发展,给小样本问题的解决提供了更多的可能。尽管如此,如何利用生成模型来生成带某种特定属性的图像,依然是计算机视觉领域比较困难的一个课题。生成带特定属性的图像一般需要根据同类物品的不同属性进行多方面的特征学习,以达到更细致化更多样的识别效果,从而更好地兼容小样本数据缺失的情形。但是,在将物品划分多个属性时,某些属性特征(稀疏属性特征)在整体数据集中出现的频率很低,即含有稀疏属性特征的物品很难收集。例如,在汽车工业零件制造场景中,含有漏焊缺陷属性特征的零件图像采集非常困难,大部分采集出来的图像都是正常没有缺陷,或者其他缺陷图像。所以,如何收集或者生成含有稀疏属性特征的图像成为小样本学习中的重要问题。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于属性迁移的图像合成方法。本专利技术的目的可以通过以下技术方案来实现:一种基于属性迁移的图像合成方法,用于将属性图像带有的稀疏属性特征迁移至正常图像中,包括以下步骤:1)获取待合成的正常图像和属性图像;2)利用一训练好的属性迁移模型对所述待合成的正常图像和属性图像进行处理,获得合成图像;所述属性迁移模型为一卷积网模型,包括图像生成器、判别器单元和基于attention损失的分类网络,该属性迁移模型基于由正 ...
【技术保护点】
1.一种基于属性迁移的图像合成方法,其特征在于,用于将属性图像带有的稀疏属性特征迁移至正常图像中,包括以下步骤:1)获取待合成的正常图像和属性图像;2)利用一训练好的属性迁移模型对所述待合成的正常图像和属性图像进行处理,获得合成图像;所述属性迁移模型为一卷积网模型,包括图像生成器、判别器单元和基于attention损失的分类网络,该属性迁移模型基于由正常图像和属性图像组成的样本对训练获得。
【技术特征摘要】
1.一种基于属性迁移的图像合成方法,其特征在于,用于将属性图像带有的稀疏属性特征迁移至正常图像中,包括以下步骤:1)获取待合成的正常图像和属性图像;2)利用一训练好的属性迁移模型对所述待合成的正常图像和属性图像进行处理,获得合成图像;所述属性迁移模型为一卷积网模型,包括图像生成器、判别器单元和基于attention损失的分类网络,该属性迁移模型基于由正常图像和属性图像组成的样本对训练获得。2.根据权利要求1所述的基于属性迁移的图像合成方法,其特征在于,所述图像生成器包括针对属性图像训练的第一生成器和针对正常图像训练的第二生成器,基于输入图像获得复原图像和属性迁移图像。3.根据权利要求2所述的基于属性迁移的图像合成方法,其特征在于,所述第一生成器包括编码器Encoder1、解码器Decoder1以及用于分离属性特征和非属性特征的分离结构Split1,所述分离结构Split1设置于编码器Encoder1和解码器Decoder1之间,所述编码器Encoder1和解码器Decoder1中,在具有相同特征量数量的卷积层与反卷积层间设置有U-net结构;所述第二生成器包括相连接的编码器Encoder2和解码器Decoder2,所述编码器Encoder2和解码器Decoder2中,在具有相同特征量数量的卷积层与反卷积层间设置有U-net结构;所述编码器Encoder2的输出和分离结构Spli...
【专利技术属性】
技术研发人员:杨辉,罗长志,郑军,
申请(专利权)人:聚时科技上海有限公司,
类型:发明
国别省市:上海,31
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。