【技术实现步骤摘要】
【国外来华专利技术】将源域图像变换为目标域图像
技术介绍
本说明书涉及通过神经网络的层处理图像数据以生成输出。神经网络是采用一层或多层非线性单元来预测针对所接收的输入的输出的机器学习模型。一些神经网络除了输出层之外还包括一个或多个隐藏层。每个隐藏层的输出被用作网络中下一层(即下一个隐藏层或输出层)的输入。网络的每一层根据相应参数集的当前值从所接收的输入中生成输出。
技术实现思路
总体上，本说明书描述了域变换神经网络，该域变换神经网络由一个或多个计算机实施，并且接收来自源域的图像和噪声向量并处理该来自源域的图像和该噪声向量以将图像变换成来自目标域的图像。一个或多个计算机的系统被配置为执行特定的操作或动作，意味着系统已经在其上安装了在操作中使得系统执行操作或动作的软件、固件、硬件或它们的组合。对于被配置为执行特定操作或动作的一个或多个计算机程序，意味着该一个或多个程序包括指令，该指令在由数据处理装置运行时使得该装置执行操作或动作。这里描述了一种系统，该系统包括由一个或多个计算机实施的域变换神经网络，其中该域变换神经网络被配置为：从源域接收输入图像；接收噪声向量；并且处理包括来自源域的输入图像和噪声...
【技术保护点】
1.一种系统，包括：由一个或多个计算机实施的域变换神经网络，其中所述域变换神经网络被配置为：从源域接收输入图像；接收噪声向量；以及处理包括来自所述源域的输入图像和所述噪声向量的网络输入，以生成作为所述输入图像从所述源域到不同于所述源域的目标域的变换的变换图像。
【技术特征摘要】
【国外来华专利技术】1.一种系统，包括：由一个或多个计算机实施的域变换神经网络，其中所述域变换神经网络被配置为：从源域接收输入图像；接收噪声向量；以及处理包括来自所述源域的输入图像和所述噪声向量的网络输入，以生成作为所述输入图像从所述源域到不同于所述源域的目标域的变换的变换图像。2.如权利要求1所述的系统，其中，所述噪声向量是包括预定数量的噪声值的向量。3.如权利要求2所述的系统，其中，每个噪声值从相应的均匀分布中采样。4.如权利要求1-3中任一项所述的系统，其中，所述输入图像包括多个通道，每个通道具有特定分辨率，并且其中所述域变换神经网络包括：组合子神经网络，被配置为：处理所述噪声向量以生成具有特定分辨率的附加通道；以及连接所述输入图像和所述附加通道以生成组合输入。5.如权利要求4所述的系统，其中，所述域变换神经网络还包括：卷积子神经网络，被配置为：处理所述组合输入以生成所述变换图像。6.如权利要求5所述的系统，其中，处理所述组合输入以生成所述变换图像包括，将多个分辨率保持卷积应用于所述组合输入或所述网络输入。7.如权利要求6所述的系统，其中，所述卷积子神经网络包括多个剩余块，每个剩余块包括相应的多个分辨率保持卷积层。8.如权利要求1-7中任一项所述的系统，其中，所述目标域是现实世界环境的图像，并且所述源域是所述现实世界环境的模拟的图像。9.一种系统，包括：由一个或多个计算机实施的域变换神经网络，其中所述域变换神经网络被配置为：从源域接收输入图像，其中所述源域是现实世界环境的模拟的图像；以及处理包括来自所述源域的输入图像的网络输入，以生成作为所述输入图像从所述源域到目标域的变换的变换图像，其中所述目标域是所述现实世界环境的图像。10.如权利要求9所述的系统，其中所述域变换神经网络还被配置为：接收噪声向量，以及其中所述网络输入还包括所述噪声向量。11.如权利要求10所述的系统，其中，所述噪声向量是包括预定数量的噪声值的向量。12.如权利要求11所述的系统，其中，每个噪声值从相应的均匀分布中采样。13.如权利要求10-12中任一项所述的系统，其中，所述输入图像包括多个通道，每个通道具有特定分辨率，并且其中所述域变换神经网络包括：组合子神经网络，被配置为：处理所述噪声向量以生成具有特定分辨率的附加通道；以及连接所述输入图像和所述附加通道以生成组合输入。14.如权利要求9-13中任一项所述的系统，其中，所述域变换神经网络还包括：卷积子神经网络，被配置为：处理所述网络输入或组合输入以生成所述变换图像。15.如权利要求14所述的系统，其中，处理所述网络输入或所述组合输入以生成所述变换图像包括，将多个分辨率保持卷积应用于所述组合输入或所述网络输入。16.如权利要求15所述的系统，其中，所述卷积子神经网络包括多个剩余块，每个剩余块包括相应的多个分辨率保持卷积层。17....
【专利技术属性】
技术研发人员：D克里希南，D埃哈恩，DM多哈恩，N西尔伯曼，K布斯马利斯，
申请(专利权)人：谷歌有限责任公司，
类型：发明
国别省市：美国,US
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。