【技术实现步骤摘要】
利用注意力机制选择对比学习样本的图像到图像转换方法
[0001]本专利技术涉及计算机视觉与数字图像处理
，尤其是一种利用注意力机制选择对比学习样本的图像到图像转换方法。
技术介绍
[0002]目前，卷积生成对抗网络和transformer都在计算机视觉领域取得了良好的效果，图像到图像转换作为计算机视觉中一项图像生成的任务，也得到了很多的发展。图像到图像转换需要将图像从源域转换到目标域，非配对的图像到图像转换使用非配对的数据集，增加了转换的难度。在众多图像到图像转换方法中，不少方法用到了对比学习的训练方法，实现了单向的域转换，提高了图像质量和效率。
[0003]在双向图像到图像转换方法中，需要训练两个生成器，一个生成器将图像从源域转换至目标域，另一个生成器将图像从目标域转换回源域，在源域图像和转换后的源域图像之间建立一致性损失完成训练。在单向图像到图像转换方法中，只需要训练一个将图像从源域转换至目标域的生成器，并用对比学习在源域图像和目标域图像之间建立约束。
[0004]然而，现有的使用对比学习实现单向域...
【技术保护点】
【技术特征摘要】
1.一种利用注意力机制选择对比学习样本的图像到图像转换方法，其特征在于，该方法包括以下具体步骤：步骤1：将源域图像送入生成器转换为目标域图像，再将源域和目标域图像送入生成器的前半部分即编码器，得到源域和目标域特征；步骤2：构建自注意力模块，利用源域特征的自注意力矩阵中每行的信息熵判断特征的相关性，选出相关性强的特征作为对比学习的样本；步骤3：将构建的自注意力模块嵌入到生成器中，利用选出的样本，使用对比学习对生成对抗网络进行训练，实现图像从源域到目标域的转换。2.根据权利要求1所述的图像到图像转换方法，其特征在于，所述生成器的前半部分即编码器，在源域和目标域之间共享参数。3.根据权利要求1所述的图像到图像转换方法，其特征在于，所述步骤2，具体包括：步骤2
...
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。