基于对抗学习的图像生成方法、装置、设备及存储介质制造方法及图纸

本申请涉及图像信息处理技术领域，本申请提供一种基于对抗学习的图像生成方法、装置、设备及存储介质，所述方法基于预设摩托车图像数据集以及对抗学习算法，对预设模型进行训练，生成摩托车图像生成模型；通过所述摩托车图像生成模型，生成目标摩托车图像对应的相似摩托车图像。通过上述方式，本发明专利技术基于摩托车图像生成模型将用户输入的目标摩托车图像转换为相似摩托车图像，由此即可自动生成融合原本摩托车图像特征的相似摩托车图片，解决了图像生成效率低以及用户体验差的问题。像生成效率低以及用户体验差的问题。像生成效率低以及用户体验差的问题。

【技术实现步骤摘要】
基于对抗学习的图像生成方法、装置、设备及存储介质


[0001]本专利技术涉及图像信息处理
，尤其涉及一种基于对抗学习的图像生成方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]随着智能终端设备的快速发展，其硬件性能及运算功能都有所提高，摄像头拍摄的图片成像质量也越来越好，并且出现许多智能终端设备结合运算功能的应用，如：图像编辑、背景替换、图像合成等功能，使得智能图像信息处理技术可用于对机械的设计与制造。
[0003]现有技术中，由于机械设计建模工作量庞大，当设计师想要依据智能图像迭代设计图时，经常没有一个自动化生成素材图片的方法，图像生成效率低；并且在现有摩托车设计图自动生成方法中存在对摩托车风格、摩托车纹理、摩托车外观生成的图像细节粗糙、轮廓不完全、纹理欠真实性的情况，用户体验差。

技术实现思路

[0004]基于此，本申请提供了一种基于对抗学习的图像生成方法，旨在解决现有技术图像生成效率低以及用户体验差的问题。
[0005]为实现上述目的，本专利技术提供一种基于对抗学习的图像生成方法，所述基于对抗学习的图像生成方法包括：基于预设摩托车图像数据集以及对抗学习算法，对预设模型进行训练，生成摩托车图像生成模型；通过所述摩托车图像生成模型，生成目标摩托车图像对应的相似摩托车图像。
[0006]进一步地，所述通过所述摩托车图像生成模型，生成目标摩托车图像对应的相似摩托车图像，包括：
[0007]通过所述摩托车图像生成模型，对所述目标摩托车图像进行特征提取，获得所述目标摩托车图像的目标图像特征，其中，所述目标图像特征包括目标风格特征、目标纹理特征和目标外观特征；
[0008]通过所述摩托车图像生成模型将所述目标风格特征、目标纹理特征和目标外观特征进行解码，生成与所述目标摩托车图像中摩托车的风格、纹理和外观相似的图像，作为所述相似摩托车图像。
[0009]进一步地，所述通过所述摩托车图像生成模型，生成目标摩托车图像对应的相似摩托车图像，包括：
[0010]基于所述摩托车图像生成模型，对所述目标摩托车图像进行风格特征提取，生成目标风格图像特征；
[0011]通过所述摩托车图像生成模型将所述目标风格图像特征进行解码，生成与所述目标摩托车图像中摩托车的风格相似的图像，作为所述相似摩托车图像。
[0012]进一步地，所述通过所述摩托车图像生成模型，生成目标摩托车图像对应的相似摩托车图像，包括：
[0013]基于所述摩托车图像生成模型，对所述目标摩托车图像进行纹理特征提取，生成目标纹理图像特征；
[0014]通过所述摩托车图像生成模型将所述目标纹理图像特征进行解码，生成与所述目标摩托车图像中摩托车的纹理相似的图像，作为所述相似摩托车图像。
[0015]进一步地，所述通过所述摩托车图像生成模型，生成目标摩托车图像对应的相似摩托车图像，包括：
[0016]基于所述摩托车图像生成模型，对所述目标摩托车图像进行外观特征提取，生成目标外观图像特征；
[0017]通过所述摩托车图像生成模型将所述目标外观图像特征进行解码，生成与所述目标摩托车图像中摩托车的外观相似的图像，作为所述相似摩托车图像。
[0018]进一步地，所述摩托车图像生成模型包括生成器、判别器和特征提取器；所述基于预设摩托车图像数据集以及对抗学习算法，对预设模型进行训练，生成摩托车图像生成模型，包括：
[0019]收集不同的摩托车图像，作为所述摩托车图像数据集；
[0020]从所述摩托车图像数据集中随机采样一张摩托车图像作为训练摩托车图像，并基于所述特征提取器提取所述训练摩托车图像的第一图像特征向量，输出所述训练摩托车图像第一图像特征向量；
[0021]将所述第一图像特征向量，输入所述生成器，并通过所述生成器中各层神经元计算输出预测摩托车图像；
[0022]通过所述特征提取器，提取所述预测摩托车图像的第二图像特征向量，输出所述第二图像特征向量；
[0023]将预设标准图像特征向量与所述第二图像特征向量作为一对特征向量输入所述判别器，输出所述第二图像特征向量被识别为所述预设标准图像特征向量的概率；
[0024]在所述概率不小于预设值时，完成所述预设模型的训练，生成摩托车图像生成模型。
[0025]进一步地，所述将预设标准图像特征向量与所述第二图像特征向量作为一对特征向量输入所述判别器，输出所述第二特征向量被识别为所述预设标准图像特征向量的概率之后，还包括：
[0026]在所述概率小于预设值时，设置循环协调损失函数，采用循环计算的方式不断迭代双方特征向量的损失，采用反向传播计算网络权重梯度并更新所述对抗学习的图像生成模型参数，直到所述概率不小于所述预设值，则停止所述摩托车图像生成模型的训练，生成摩托车图像生成模型。
[0027]此外，为实现上述目的，本专利技术还提供一种基于对抗学习的图像生成装置，所述基于对抗学习的图像生成装置包括：图像模型生成模块，用于基于预设摩托车图像数据集以及对抗学习算法，对预设模型进行训练，生成摩托车图像生成模型；相似图像生成模块，用于通过所述摩托车图像生成模型，生成目标摩托车图像对应的相似摩托车图像。
[0028]此外，为实现上述目的，本专利技术还提供一种基于对抗学习的图像生成设备，所述基于对抗学习的图像生成设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的基于对抗学习的图像生成程序，其中所述基于对抗学习的图像生成程序被所述
处理器执行时，实现如上述的基于对抗学习的图像生成方法的步骤。
[0029]此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于对抗学习的图像生成程序，其中所述基于对抗学习的图像生成程序被处理器执行时，实现如上述的基于对抗学习的图像生成方法的步骤。
[0030]本专利技术提供一种基于对抗学习的图像生成方法，所述方法基于预设摩托车图像数据集以及对抗学习算法，对预设模型进行训练，生成摩托车图像生成模型；通过所述摩托车图像生成模型，生成目标摩托车图像对应的相似摩托车图像。通过上述方式，本专利技术基于摩托车图像生成模型将用户输入的目标摩托车图像转换为相似摩托车图像，由此即可自动生成融合原本摩托车图像特征的相似摩托车图片，解决了图像生成效率低以及用户体验差的问题。
附图说明
[0031]图1为本专利技术实施例方案中涉及的基于对抗学习的图像生成设备的硬件结构示意图；
[0032]图2为本专利技术基于对抗学习的图像生成方法第一实施例的流程示意图；
[0033]图3为本专利技术基于对抗学习的图像生成方法第二实施例的流程示意图；
[0034]图4为本专利技术基于对抗学习的图像生成方法第三实施例的流程示意图；
[0035]图5为本专利技术基于对抗学习的图像生成装置第一实施例的功能模块示意图。
[0036]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。...

【技术保护点】

【技术特征摘要】
1.一种基于对抗学习的图像生成方法，其特征在于，所述基于对抗学习的图像生成方法包括以下步骤：基于预设摩托车图像数据集以及对抗学习算法，对预设模型进行训练，生成摩托车图像生成模型；通过所述摩托车图像生成模型，生成目标摩托车图像对应的相似摩托车图像。2.如权利要求1所述的基于对抗学习的图像生成方法，其特征在于，所述通过所述摩托车图像生成模型，生成目标摩托车图像对应的相似摩托车图像，包括：通过所述摩托车图像生成模型，对所述目标摩托车图像进行特征提取，获得所述目标摩托车图像的目标图像特征，其中，所述目标图像特征包括目标风格特征、目标纹理特征和目标外观特征；通过所述摩托车图像生成模型将所述目标风格特征、目标纹理特征和目标外观特征进行解码，生成与所述目标摩托车图像中摩托车的风格、纹理和外观相似的图像，作为所述相似摩托车图像。3.如权利要求1所述的基于对抗学习的图像生成方法，其特征在于，所述通过所述摩托车图像生成模型，生成目标摩托车图像对应的相似摩托车图像，包括：基于所述摩托车图像生成模型，对所述目标摩托车图像进行风格特征提取，生成目标风格图像特征；通过所述摩托车图像生成模型将所述目标风格图像特征进行解码，生成与所述目标摩托车图像中摩托车的风格相似的图像，作为所述相似摩托车图像。4.如权利要求1所述的基于对抗学习的图像生成方法，其特征在于，所述通过所述摩托车图像生成模型，生成目标摩托车图像对应的相似摩托车图像，包括：基于所述摩托车图像生成模型，对所述目标摩托车图像进行纹理特征提取，生成目标纹理图像特征；通过所述摩托车图像生成模型将所述目标纹理图像特征进行解码，生成与所述目标摩托车图像中摩托车的纹理相似的图像，作为所述相似摩托车图像。5.如权利要求1所述的基于对抗学习的图像生成方法，其特征在于，所述通过所述摩托车图像生成模型，生成目标摩托车图像对应的相似摩托车图像，包括：基于所述摩托车图像生成模型，对所述目标摩托车图像进行外观特征提取，生成目标外观图像特征；通过所述摩托车图像生成模型将所述目标外观图像特征进行解码，生成与所述目标摩托车图像中摩托车的外观相似的图像，作为所述相似摩托车图像。6.权利要求1
‑
5中任一项所述的基于对抗学习的图像生成方法，其特征在于，所述摩托车图像生成模型包括生成器、判别器和特征提取器；所述基于预设摩托...

【专利技术属性】
技术研发人员：林杰，严昀，傅嬿，洪欣，
申请(专利权)人：雅马哈发动机厦门信息系统有限公司，
类型：发明
国别省市：