【技术实现步骤摘要】
本专利技术涉及计算机图形学与人工智能领域，特别地，涉及一种基于注意力改进生成对抗网络的风景图颜色迁移方法。
技术介绍
1、图像颜色风格迁移，主要通过人工或算法模型方法把目标颜色风格图像中的颜色，转移到要处理的输入图像中，使该输入图像的色彩更具有表现力。其中，风景图包含众多色彩不同的物体(如花，树)，在颜色风格迁移任务中需要使这些物体的颜色在调节后更加协调。
2、生成对抗网络(gan)是目前广泛应用于图像内容生成的深度学习网络，其特点在于通过大量的数据去训练网络，使该网络经训练后，对输入图像进行处理，进而生成具备特定风格的图像数据。然而，当生成对抗网络应用于不同场景的图像颜色风格迁移任务时，在某些情况(如场景中出现众多物体)下，可能图像中物体的颜色不被调整至最佳效果。因此，需要针对特定场景，对生成对抗网络进行一定程度的改进。
3、注意力机制是一种可用于优化特征提取的算法策略，其作用是可以进一步提取图像中目标物体的特征。自注意力机制更是一种高效的提取物体特征的算法，所以可把自注意力机制用于改进图像颜色风格迁移的模型中
4、本文档来自技高网...
【技术保护点】
1.一种基于注意力改进生成对抗网络的风景图颜色迁移方法，其特征在于，以重着色直方特征对抗生成网络为基础模型，包括：
2.根据权利要求1所述的基于注意力改进生成对抗网络的风景图颜色迁移方法，其特征在于，所述编码器由若干所述注意力编码块组成，第一个注意力编码块接收输入图像，最后一个注意力编码块生成图像对应的特征图，并把它输入至所述解码器中；每一个注意力编码块所生成输出的特征图，一方面会输入至下一层的注意力编码块中，另一方面会传送至所述跳跃连接模块中。
3.根据权利要求1所述的基于注意力改进生成对抗网络的风景图颜色迁移方法，其特征在于，所述注意力编码...
【技术特征摘要】
1.一种基于注意力改进生成对抗网络的风景图颜色迁移方法，其特征在于，以重着色直方特征对抗生成网络为基础模型，包括：
2.根据权利要求1所述的基于注意力改进生成对抗网络的风景图颜色迁移方法，其特征在于，所述编码器由若干所述注意力编码块组成，第一个注意力编码块接收输入图像，最后一个注意力编码块生成图像对应的特征图，并把它输入至所述解码器中；每一个注意力编码块所生成输出的特征图，一方面会输入至下一层的注意力编码块中，另一方面会传送至所述跳跃连接模块中。
3.根据权利要求1所述的基于注意力改进生成对抗网络的风景图颜色迁移方法，其特征在于，所述注意力编码块包含卷积层、卷积模块和注意力机制模块；其中，所述卷积模块依次包含卷积层、实例归一化层、激活函数层。
4.根据权利要求3所述的基于注意力改进生成对抗网络的风景图颜色迁移方法，其特征在于，输入数据被输入至所述注意力编码块后(如说明书附图2所示)，会先被输入至一层卷积层conv1中进行特征提取操作；在所述编码器中，第一层注意力编码块的输入数据为图像数据，第二，三，四，五，六层注意力编码块的输入数据均为特征图；然后卷积层conv1所输出的特征图被传送至卷积模块convblock1...
【专利技术属性】
技术研发人员：黎俊良，张世雄，魏文应，邓严萍，肖铁军，
申请(专利权)人：广东博华超高清创新中心有限公司，
类型：发明
国别省市：
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。