CN111862274B 生成对抗网络训练方法、图像风格迁移方法及装置 （有半岛(北京)信息科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN111862274B(45)授权公告日2025.01.10

(21)申请号202010706225.4

(22)申请日2020.07.21

(65)同一申请的已公布的文献号申请公布号CN111862274A

(43)申请公布日2020.10.30

(73)专利权人有半岛(北京)信息科技有限公司地址100089北京市海淀区知春路7号致真

大厦D座13层1305号

(72)发明人李玉乐陈德健项伟颜乐驹

(74)专利代理机构北京品源专利代理有限公司

11332

专利代理师孟金喆

(51)Int.CI.

GO6T13/20(2011.01)

GO6N3/0475(2023.01)

GO6N3/0455(2023.01)

GO6N3/094(2023.01)

(56)对比文件

CN109949214A,2019.06.28

CN110458216A,2019.11.15

审查员刘雅莎

权利要求书3页说明书12页附图5页

(54)发明名称

生成对抗网络训练方法、图像风格迁移方法及装置

(57)摘要

CN111862274B本发明实施例公开了一种生成对抗网络训练方法、图像风格迁移方法及装置，训练方法包括：获取内容图像和同一风格的风格图像，初始化生成对抗网络的生成器和判别器的网络参数、生成器的风格动量累积量，提取风格图像输入风格特征提取网络中得到风格特征以更新风格动量累积量，提取内容图像输入生成器以将风格动量累积量注入内容图像中获得风格迁移后的输出图像，将内容图像和输出图像输入判别器进行训练得到输出图像的判定值，对生成器和判别器的网络参数进行调整，一方面，实现了内容和风格的解耦，另一方面，无需获取大量训练用的内容图像风格化后的图像作为标签进行监督训练，

CN111862274B

获取多张内容图像和同一风格的多张风格图像

获取多张内容图像和同一风格的多张风格图像

初始化生成对抗网络的生成器和判别器的网络参数，以及初始化所述生成器的风格动量累积量

提取所述风格图像输入预先训练好的风格特征提取网络中得到风格特征

根据所述风格特征更新所述风格动量累积量

提取所述内容图像输入所述生成器，以通过所述生成S105器将所述风格动量累积量注入所述内容图像中获得风

格迁移后的输出图像

将所述内容图像和所述输出图像输入所述判别器进行训练得到所述输出图像的判定值

根据所述判定值、所述输出图像、所述内容图像和所

述风格图像对所述生成器和所述判别器的网络参数进

行调整

S102

S103

S101

S104

CN111862274B权利要求书1/3页

2

1.一种生成对抗网络训练方法，其特征在于，包括：

获取多张内容图像和同一风格的多张风格图像；

初始化生成对抗网络的生成器和判别器的网络参数，以及初始化所述生成器的风格动量累积量；

提取所述风格图像输入预先训练好的风格特征提取网络中得到风格特征；

根据所述风格特征更新所述风格动量累积量；

提取所述内容图像输入所述生成器，以通过所述生成器将所述风格动量累积量注入所述内容图像中获得风格迁移后的输出图像；

将所述内容图像和所述输出图像输入所述判别器进行训练得到所述输出图像的判定值；

根据所述判定值、所述输出图像、所述内容图像和所述风格图像对所述生成器和所述判别器的网络参数进行调整。

2.根据权利要求1所述的方法，其特征在于，所述初始化生成对抗网络的生成器和判别器的网络参数，以及初始化所述生成器的风格动量累积量，包括：

初始化生成对抗网络的判别器的网络参数；

初始化所述生成器的风格动量累积量、编码网络和解码网络的网络参数，以及获取训练好的用于所述生成器中的残差网络。

3.根据权利要求1所述的方法，其特征在于，所述根据所述风格特征更新所述风格动量累积量，包括：

将所述风格特征转换为风格隐含变量；

根据预设衰减系数和所述风格隐含变量更新所述风格动量累积量。

4.根据权利要求2所述的方法，其特征在于，所述提取所述内容图像输入所述生成器，以通过所述生成器将所述风格动量累积量注入所述内容图像中获得风格迁移后的输出图像，包括：

采用所述编码网络对所述内容图像进行编码处理得到所述内容图像的内容