基于本体知识库和注意力生成对抗网络的图像生成方法技术

本发明专利技术提供了一种基于本体知识库和注意力生成对抗网络的图像生成方法，包括：基于图像数据集中的图像来构建本体知识库，使得构建出的本体知识库与图像具有对应关系；根据生成任务的条件，进行本体知识库的检索，并将检索到的信息进行向量化，得到语义词向量；使用带有注意力机制的生成对抗网络，根据语义词向量，来生成图像。采用本发明专利技术提供的网络，可通过构建不同的本体知识库完成复杂条件下高质量图像的生成任务。图像的生成任务。图像的生成任务。

【技术实现步骤摘要】
基于本体知识库和注意力生成对抗网络的图像生成方法


[0001]本专利技术属于计算机视觉、知识系统领域，具体涉及一种基于本体知识库和注意力生成对抗网络的图像生成方法。

技术介绍

[0002]图像生成技术通过使用深度神经网络，可以将白噪音处理生成较为真实的图像，同时也可以根据不同条件信息(如图像类别信息、图像风格信息、图像描述文字信息、图像场景三元组等)生成符合条件的特定图像。其已经被广泛使用在图像视频及动画制作、数据增强、图像修复等领域。
[0003]在条件生成图像的任务中，条件可以是简单的，如指定生成图像中物体的类别(生成猫的图像)，也可以是复杂的，如具有特殊特征的物体(如跳舞的人)。在传统条件生成模型如DCGAN[Alec Radford&Luke Metz，SoumithChintala，Unsupervised representation learning with deep convolutional generative adversarial networks]中，直接将整个条件作为模型的输入，往往不能对复本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于本体知识库和注意力生成对抗网络的图像生成方法，其特征在于，包括：步骤S1：基于图像数据集中的图像来构建本体知识库，使得构建出的本体知识库与图像具有对应关系；步骤S2：根据生成任务的条件，进行本体知识库的检索，并将检索到的信息进行向量化，得到语义词向量；步骤S3：使用带有注意力机制的生成对抗网络，根据所述步骤S2的语义词向量，来生成图像。2.根据权利要求1所述的基于本体知识库和注意力生成对抗网络的图像生成方法，其特征在于，所述步骤S1包括：从图像数据集的一类图像中，构建一个可用于图像生成任务的本体知识库；且所构建的本体知识库包括：本体、本体之间的关系和本体的属性。3.根据权利要求2所述的基于本体知识库和注意力生成对抗网络的图像生成方法，其特征在于，所述本体之间的关系包括从属关系、环境关系和交互关系中的至少一种；所述本体的属性包括本体的语义信息和/或本体在图像中的位置。4.根据权利要求1所述的基于本体知识库和注意力生成对抗网络的图像生成方法，其特征在于，所述生成任务的条件是单个类别的本体或者带有特殊属性的本体。5.根据权利要求1所述的基于本体知识库和注意力生成对抗网络的图像生成方法，其特征在于，所述步骤S2包括：步骤S21：输入生成任务的条件，在本体知识库中检索生成任务的条件，检索到符合输入条件的第一本体及该第一本体的属性...

【专利技术属性】
技术研发人员：张睿芃，陈南希，李嘉茂，张晓林，
申请(专利权)人：中国科学院上海微系统与信息技术研究所，
类型：发明
国别省市：