基于对抗网络的水果图像的新鲜度属性迁移方法技术

本发明专利技术涉及一种基于对抗网络的水果图像的新鲜度属性迁移方法，属于计算机学科下的计算机视觉领域。实现步骤为：构造训练集，将水果图像按不同新鲜程度分为四类：表面新鲜、表面颜色暗淡、表面皱褶、表面部分腐烂；对图像文件进行预处理，包括移除错误文件、去除重复文件、统一文件格式、统一图像尺寸、对图像文件进行统一编号，以及将图像文件按外形进行分组；构建不同新鲜度的水果图像的生成器网络和判别器网络，生成器网络和判别器网络的模型原型为循环一致性生成对抗网络；分别使用不同新鲜度分类的图像训练集作为模型输入，训练获得四个不同的生成器模型；将需改变新鲜度的水果图像作为模型的输入，生成对应新鲜度的水果图像。

【技术实现步骤摘要】
基于对抗网络的水果图像的新鲜度属性迁移方法
本专利技术属于计算机学科下的计算机视觉领域，具体涉及一种针对不配对的水果图像的基于对抗网络的新鲜度属性迁移方法。
技术介绍
水果的新鲜度是水果定价的重要依据之一，常规的针对水果新鲜度的评价主要依靠感官识别，但该类方法需要大量的人力物力、评价标准不一；在检测实验室中能通过理化检验或无损检测等方法进行准确评价，但该类方法需要专业的设备无法进行广泛普及应用。计算机视觉技术的发展，使得计算机视觉技术能进行快速水果分类和识别，使用基于计算机视觉的图像处理技术自动识别与分类水果的新鲜度，能够很大程度上节省人力物力、提高自动化程度，在商业贸易和低温储存领域具有很大应用前景。但在目前的计算机视觉的研究成果中，对于水果的新鲜度的识别的研究较少，其中一个重要的原因是缺乏大量的配对的模型训练数据。图像风格迁移，是一种将两幅图像特征进行提取，并将其中一幅图像的特征迁移到另一幅图像当中，特征进行融合生成基于第二幅图像风格，以第一幅图像为原始的新图像的技术；但新鲜度属性是一种模糊的属性描述，因此新鲜度属性迁移应为本文档来自技高网...

【技术保护点】
1.基于对抗网络的水果图像的新鲜度属性迁移方法，其特征在于，包括以下步骤：/n步骤一、构造训练集；/n训练集是已标注的水果图像集合，可以使用爬虫从网络上爬取，可以下载公开的图像库，也可以自行准备适合的水果图像；最终需要得到正常水果图像，并按不同新鲜程度进行分类，主要分为四类：表面新鲜、表面颜色暗淡、表面皱褶、表面部分腐烂；/n步骤二、图像文件预处理；/n步骤2.1、移除错误的图像文件；/n使用程序预读的方式，移除错误图像，以防止图像文件损坏或读取错误造成训练过程出错；/n步骤2.2、去除重复的图像文件；/n使用MD5等信息摘要算法去除重复存在的图像文件，以防止图像重复降低最终的模型性能；/n步...

【技术特征摘要】
1.基于对抗网络的水果图像的新鲜度属性迁移方法，其特征在于，包括以下步骤：
步骤一、构造训练集；
训练集是已标注的水果图像集合，可以使用爬虫从网络上爬取，可以下载公开的图像库，也可以自行准备适合的水果图像；最终需要得到正常水果图像，并按不同新鲜程度进行分类，主要分为四类：表面新鲜、表面颜色暗淡、表面皱褶、表面部分腐烂；
步骤二、图像文件预处理；
步骤2.1、移除错误的图像文件；
使用程序预读的方式，移除错误图像，以防止图像文件损坏或读取错误造成训练过程出错；
步骤2.2、去除重复的图像文件；
使用MD5等信息摘要算法去除重复存在的图像文件，以防止图像重复降低最终的模型性能；
步骤2.3、统一图像文件格式；
将数据集中的png、gif等格式的图像文件，统一转换为jpg格式的文件；
步骤2.4、统一图像的尺寸；
将数据集中的图像进行缩放，使得最终的图像大小为256*256像素；
步骤2.5、对图像文件进行统一编号；
为了数据的规范性，将所有图像文件进行统一编号，便于后续训练和测试过程；
步骤2.6、将图像文件按外形进行分组；
对每一分类中的水果图像进行分组，分组方法可以随机选择，也可以将外形相似的水果图像作为一组；外形相似的水果图像作为一组能够提高最终的图像生成效果；以分组为单位将图像的路径保存到CSV文件中以便在训练过程中使用队列的方式读取图像；
步骤三、构建不同新鲜度的水果图像的生成器网络和判别器网络；生成器网络和判别器网络的模型原型为循环一致性生成对抗网络，该网络能够用于进行非成对图像之间的映射特征迁移；
其中，生成器网...

【专利技术属性】
技术研发人员：陈红倩，关孟茜，陈雅丽，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：北京;11