基于生成对抗网络的地表图像生成方法及系统技术方案

本发明专利技术提出一种基于生成对抗网络的地表图像生成方法，包括：获取原始地表图像，生成原始数据集、纹理数据集和框架数据集；构建纹理生成网络，以该纹理数据集对该纹理生成网络进行训练；构建框架生成网络，以该框架数据集对该框架生成网络进行训练；将该纹理生成网络的第一生成器嵌入该框架生成网络的第二生成器，以获得地表图像生成网络，以该原始数据集对该地表图像生成网络进行训练；以该地表图像生成网络的生成器为地表图像生成模型进行地表图像生成。还提出一种基于生成对抗网络的地表图像生成系统，以及一种数据处理装置。以及一种数据处理装置。以及一种数据处理装置。

【技术实现步骤摘要】
基于生成对抗网络的地表图像生成方法及系统


[0001]该专利技术属于计算机视觉与深度学习
，具体涉及一种首先训练纹理生成生成对抗网络(GAN)，再将该网络嵌入完整图像生成GAN以完成行星地貌生成的方法。

技术介绍

[0002]PGGAN通过逐级提升输出分辨率分阶段训练的方式稳定训练，在人脸生成等任务中取得良好的效果。PGGAN训练从低分辨率图像开始，然后通过向网络中添加层来逐步提高分辨率。这种网络增长的训练过程可以首先发现较大尺度上的少量特征，再逐步进入到更精细的特征的学习，逐步学习各个尺度的特征。此外，逐步训练的过程还可避免全部层一起训练情况下前部的层由于梯度消失问题难以训练。实际操作过程中，渐进增长对抗生成网络引进了包括在分辨率时平滑过渡、均衡学习率和小批量标准差等技术用于提升训练效果。其训练过程如图1所示。
[0003]StyleGAN受风格迁移style transfer启发而在PGGAN的基础上设计了一种新的生成器网络结构。新的网络结构可以通过无监督式的自动学习对图像的高层语义属性做一定解耦分离，例如人脸图像的姿势和身份本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的地表图像生成方法，其特征在于，包括：步骤1，获取原始地表图像，生成原始数据集、纹理数据集和框架数据集；步骤2，构建纹理生成网络，以该纹理数据集对该纹理生成网络进行训练；步骤3，构建框架生成网络，以该框架数据集对该框架生成网络进行训练；步骤4，增加框架生成网络的生成器及判别器的网络层，并将该纹理生成网络的生成器嵌入该框架生成网络的生成器，以获得地表图像生成网络，以该原始数据集对该地表图像生成网络进行训练；步骤5，以该地表图像生成网络的生成器为地表图像生成模型进行地表图像生成。2.如权利要求1所述的地表图像生成方法，其特征在于，该步骤4具体包括：步骤41，将该纹理生成对抗网络GAN1的生成器g1'，嵌入该框架生成对抗网络gan2的生成器g2'，并在g2'后连接多层融合及升分辨率层g3，得到该地表图像生成对抗网络GAN2的生成器G2；在该框架生成对抗网络gan2的判别器d2'前加入降分辨率网络d3，得到GAN2的判别器D2；步骤42，以该原始数据集R对GAN2进行指定迭代次数的训练。3.如权利要求2所述的地表图像生成方法，其特征在于，D2的损失函数其中，a2为历史L
D2
损失所占比例，为上一次迭代的L
D2
，L
wgangp
为Wasserstein
‑
gp损失函数。4.如权利要求1所述的地表图像生成方法，其特征在于，该纹理生成网络的判别器D1的损失函数L
D1
为：为：为L
D1
当前损失和L
D1
历史值加权后的新值，w为标签损失所占权重，L2为尺度标签损失函数，a1为历史L
D1
损失所占比例，为上一次迭代的L
wgangp
为Wasserstein
‑
gp损失函数。5.一种基于生成对抗网络的地表图像生成系统，其特征在于，包括：原始数据采集模块，用于获取原始地表图像，生成原始数据集、纹理数据集和框架数据集；第一模型训练模块，用于构建纹理生成网络，以该纹理数据集对该纹理生成网络进行训练；第二模型训...

【专利技术属性】
技术研发人员：代磊，李华伟，王颖，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：