图像生成方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种图像生成方法、装置、计算机设备和存储介质。方法包括：获取目标语料信息，对所述目标语料信息进行扩增处理得到至少两个扩增语料信息；将至少两个所述扩增语料信息分别输入至预先训练的对抗网络中，以根据所述对抗网络模型中预先确定的模型参数对各所述扩增语料信息进行处理得到至少两个内容模态不同的目标图像，所述对抗网络是基于预设的调控函数确定的差异指标训练生成。采用本方法能够提高生成的目标图像的多样性。

【技术实现步骤摘要】
图像生成方法、装置、计算机设备和存储介质
本申请涉及人工智能
，特别是涉及一种图像生成方法、装置、计算机设备和存储介质。
技术介绍
随着大数据技术的发展，在应用大数据技术时，会需要大批量数据，以进行后续的数据应用。例如，在有些场景下需要获取文字语料对应的多个图像数据。在传统方式中，根据一个文字语料只能得到一个图像数据，存在输出的图像数据较为单一，缺乏多样性。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高图像生成多样性的图像生成方法、装置、计算机设备和存储介质。一种图像生成方法，方法包括：获取目标语料信息，对目标语料信息进行扩增处理得到至少两个扩增语料信息；将至少两个扩增语料信息分别输入至预先训练的对抗网络中，以根据对抗网络模型中预先确定的模型参数对各扩增语料信息进行处理得到至少两个内容模态不同的目标图像，对抗网络是基于预设的调控函数确定的差异指标训练生成。在一个实施例中，对目标语料信息进行扩增处理得到至少两个扩增语料信息，包括：从分布序列中读取的至少两个不相等的向量作为潜向量，潜向量的数量与目标图像的数量一致，目标图像的数量至少为两个，分布序列的积分值为预设值；将各潜向量与目标语料信息进行拼接处理，得到每一个目标语料信息对应的扩增语料信息。在一个实施例中，将至少两个扩增语料信息分别输入至预先训练的对抗网络中，以根据对抗网络模型中预先确定的模型参数对各扩增语料信息进行处理得到至少两个内容模态不同的目标图像，对抗网络是基于预设的调控函数确定的差异指标训练生成，包括：将训练扩增语料信息分别输入模式增广条件生成的对抗网络中，输出对应各扩增语料信息分别对应的目标图像，多个目标图像的内容模态不同，模式增广条件生成的对抗网络是基于预设的调控函数确定的差异指标训练生成，预设的调控函数是根据各不同内容模态的目标图像以及对应各不同内容模态的目标图像的潜向量确定的。在一个实施例中，对抗网络的训练方式，包括：获取训练语料信息，基于模式增广条件对训练语料信息进行扩增处理得到训练扩增语料信息；将训练扩增语料信息输入至对抗网络中，以根据对抗网络的当前训练参数对各训练扩增语料信息进行处理得到每一个训练扩增语料信息对应的训练图像；基于预设的调控函数确定不同的训练图像之间的差异值；根据差异值确定不同的训练图像之间的差异指标，将差异指标最大时对应的当前训练参数作为目标训练参数，并根据目标训练参数得到训练好的对抗网络。在一个实施例中，基于预设的调控函数确定不同的训练图像之间的差异值，包括：根据训练图像之间的差值确定第一差值；根据训练图像对应的潜向量之间的差值确定第二差值；根据第一差值与第二差值的相对值确定训练图像之间的差异值。在一个实施例中，对抗网络模型的训练方式包括：将各扩增语料信息输入至对抗网络模型的生成器中，根据生成器中预设的初始生成器参数对扩增语料信息进行处理得到实景图像；将实景图像与目标语料信息进行配对处理得到配对图像；将配对图像输入至对抗网络中的鉴别器中，以根据鉴别器中预设的初始鉴别器参数对配对图像进行真伪鉴别得到鉴别结果；根据鉴别结果确定损失值，根据损失值确定的参数梯度对对抗网络的鉴别器进行训练得到目标鉴别器。在一个实施例中，对抗网络模型的训练方式包括：将配对图像输入至对抗网络中的目标鉴别器中，以根据目标鉴别器中预设的目标鉴别器参数对配对图像进行真伪鉴别得到鉴别结果；根据鉴别结果确定损失值，根据损失值确定的参数梯度对对抗网络的生成器进行训练得到目标生成器。一种图像生成装置，装置包括：获取模块，用于获取目标语料信息，对目标语料信息进行扩增处理得到至少两个扩增语料信息；生成模块，用于将至少两个扩增语料信息分别输入至预先训练的对抗网络中，以根据对抗网络模型中预先确定的模型参数对各扩增语料信息进行处理得到至少两个内容模态不同的目标图像，对抗网络是基于预设的调控函数确定的差异指标训练生成。一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序实现上述各方法实施例中的步骤。一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。上述图像生成方法、装置、计算机设备和存储介质，获取目标语料信息，通过对目标语料信息进行扩增处理得到至少两个扩增语料信息，并将至少两个扩增语料信息分别输入至预先训练的对抗网络中，以根据对抗网络中预先确定的模型参数对各扩增语料信息进行处理得到至少两个内容模态不同的目标图像。由于对抗网络是基于预设的调控函数确定的差异指标训练生成的，进而保证了根据一个语料信息就可以得到至少两个内容模态不同的目标图像的目的，提高了输出目标图像的多样性。附图说明图1为一个实施例中图像生成方法的应用环境图；图2为一个实施例中图像生成方法的流程示意图；图3为一个实施例中提供的一种对抗网络的训练方式流程示意图；图4为一个实施例中提供的一种基于对抗网络生成多个模态不同的目标图像的示意图；图5为一个实施例中图像生成装置的结构框图；图6为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的图像生成方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。服务器104获取目标语料信息，对目标语料信息进行扩增处理得到至少两个扩增语料信息；将至少两个扩增语料信息分别输入至预先训练的对抗网络中，以根据对抗网络模型中预先确定的模型参数对各扩增语料信息进行处理得到至少两个内容模态不同的目标图像，对抗网络是基于预设的调控函数确定的差异指标训练生成。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中，如图2所示，提供了一种图像生成方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：步骤S202，获取目标语料信息，对目标语料信息进行扩增处理得到至少两个扩增语料信息。其中，目标语料信息可以是一个语义描述信息，如“大雨”、“大雾”以及“树上一只鸟”等。扩增语料信息是对目标语料信息进行扩增处理后得到的信息，如扩增处理具体是将目标语料转换为编码信息，在一个实施例中根据自然语言处理算法将目标语料转换为编码信息，扩增处理还可以包括获取干扰信息，根据干扰信息以及图像信息的组合得到扩增语料信息。在一个实施例中，扩增语料信息是对目标语料信息的进一步描述，在不改变目标语料基本语义的基础上对目标语料的进一步修饰，本文档来自技高网...

【技术保护点】
1.一种图像生成方法，其特征在于，所述方法包括：/n获取目标语料信息，对所述目标语料信息进行扩增处理得到至少两个扩增语料信息；/n将至少两个所述扩增语料信息分别输入至预先训练的对抗网络中，以根据所述对抗网络模型中预先确定的模型参数对各所述扩增语料信息进行处理得到至少两个内容模态不同的目标图像，所述对抗网络是基于预设的调控函数确定的差异指标训练生成。/n

【技术特征摘要】
1.一种图像生成方法，其特征在于，所述方法包括：
获取目标语料信息，对所述目标语料信息进行扩增处理得到至少两个扩增语料信息；
将至少两个所述扩增语料信息分别输入至预先训练的对抗网络中，以根据所述对抗网络模型中预先确定的模型参数对各所述扩增语料信息进行处理得到至少两个内容模态不同的目标图像，所述对抗网络是基于预设的调控函数确定的差异指标训练生成。


2.根据权利要求1所述的方法，其特征在于，所述对所述目标语料信息进行扩增处理得到至少两个扩增语料信息，包括：
从分布序列中读取的至少两个不相等的向量作为潜向量，所述潜向量的数量与所述目标图像的数量一致，所述目标图像的数量至少为两个，所述分布序列的积分值为预设值；
将各所述潜向量与所述目标语料信息进行拼接处理，得到每一个所述目标语料信息对应的扩增语料信息。


3.根据权利要求2所述的方法，其特征在于，所述将至少两个所述扩增语料信息分别输入至预先训练的对抗网络中，以根据所述对抗网络模型中预先确定的模型参数对各所述扩增语料信息进行处理得到至少两个内容模态不同的目标图像，所述对抗网络是基于预设的调控函数确定的差异指标训练生成，包括：
将所述训练扩增语料信息分别输入模式增广条件生成的对抗网络中，输出对应各所述扩增语料信息分别对应的目标图像，多个所述目标图像的内容模态不同，所述模式增广条件生成的所述对抗网络是基于预设的调控函数确定的差异指标训练生成，预设的所述调控函数是根据各不同内容模态的所述目标图像以及对应各不同内容模态的所述目标图像的所述潜向量确定的。


4.根据权利要求1所述的方法，其特征在于，所述对抗网络的训练方式，包括：
获取训练语料信息，基于模式增广条件对所述训练语料信息进行扩增处理得到训练扩增语料信息；
将所述训练扩增语料信息输入至对抗网络中，以根据所述对抗网络的当前训练参数对各所述训练扩增语料信息进行处理得到每一个所述训练扩增语料信息对应的训练图像；
基于预设的调控函数确定不同的所述训练图像之间的差异值；
根据所述差异值确定不同的所述训练图像之间的差异指标，将所述差异指标最大时对应的当前训练参数作为目标训练参数，并根据所述目标训练参数得到训练好的对抗网络。<...

【专利技术属性】
技术研发人员：孟云龙，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31