【技术实现步骤摘要】
一种基于TuiGAN改进的脸谱图像风格迁移的方法
本专利技术属于计算机图形学处理
，具体涉及一种基于TuiGAN改进的脸谱图像风格迁移的方法。
技术介绍
秦腔脸谱艺术风格强烈、纹饰鲜明，具有极高的研究价值，是探究秦地文化和精神内涵的极佳素材。由于其独特的艺术风格，使得创作绘制难度加大，创新发展也一直依赖于脸谱相关爱好者的耐心钻研，现存的秦腔脸谱图案稀缺，更使其发展进入瓶颈，为脸谱艺术传承和传播带来极大挑战。目前，无监督的图像到图像转换任务(UI2I)对不成对的图像进行训练，将图像从源域映射到目标域，这通常需要收集大量的图像，比如CycleGAN网络虽然已经改进到需要少量的数据集，100多张效果已经优异，但是其需要训练很长的时间，图像迁移效果才比较好，但是如果对于数据集只有两张图像的风格迁移问题，却无法实现。而现有技术中，TuiGAN可以在两个不成对的图像上训练，实现以粗到精的方式转换图像。但存在运行时间成本高，生成图像清晰度低的问题，并且在秦腔脸谱风格迁移中，可以发现眼睛也无法凸显，很多细节信息没有显示。
【技术保护点】
1.一种基于TuiGAN改进的脸谱图像风格迁移的方法，其特征在于包括以下步骤：/n步骤1：搜集两张秦腔脸谱图像，设置尺寸为512x512mm；/n步骤2：使用pytorch构建原始的TuiGAN网络结构，TuiGAN中的生成器
【技术特征摘要】
1.一种基于TuiGAN改进的脸谱图像风格迁移的方法，其特征在于包括以下步骤：
步骤1：搜集两张秦腔脸谱图像，设置尺寸为512x512mm；
步骤2：使用pytorch构建原始的TuiGAN网络结构，TuiGAN中的生成器由两个完全卷积网络组成；
的第n个尺度的转换IA→IAB的实现如下：
首先，使用Φ将预处理为作为初始图像；
其中，代表的是图像A的第n次缩放的原图像,Φ是生成器中的网络结构，是通过生成器中的网络Φ生成后的图像；
然后，使用注意力模型Ω生成一个平衡图像An，该平衡图像对图像区域之间的长期和多尺度依赖性进行建模，使用注意力模型Ω将作为输入和输出An，来平衡两个扩展结果；
其中，是低尺度下网络训练生成出来的图像，Ω与Φ的网路结构相似；
最后，在通过生成的An线性组合来得到输出
其中，X表示逐像素乘法；
类似地，第n个尺度的转换IB→IBA的实现如下：
步骤3：在第n个尺度上，生成器生成一个注意图；
步骤4：对生成器的Φ与Ω添加两个卷积块，使其学习得到的特征更加明显；
步骤5：对判别器D添加两层卷积块n...
【专利技术属性】
技术研发人员：耿国华，冯龙，李康，马星锐，刘喆，杨雪，白涛，李启航，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西;61
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。