龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：河南科技大学
申请日：2023-10-20
公开（公告）日：2024-05-24
公开（公告）号：CN118071889A
主分类号：G06T13/00
分类号：G06T13/00;G06T3/04;G06N3/0475;G06N3/094;G06N3/0464;G06N3/045;G06V10/80
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.11#实质审查的生效;2024.05.24#公开
摘要：本发明公开了一种基于特征解纠缠对抗学习模型的图像卡通化方法，首先构建特征解纠缠对抗学习（FDAL）模型，然后对FDAL模型预训练，通过改进的损失函数使生成器网络学会内容图像的分布，判别器网络不参与训练、不输入任何风格信息；再使用全部的损失函数对生成器网络和判别器网络进行交替双阶段的训练，对内容信息和风格信息进行学习，直到模型收敛为止，对训练完成的模型测试，输出卡通化结果。本发明设计双重编码器和无偏的转换模块用于解纠提取的内容风格特征并进一步融合提取的内容风格特征编码嵌入，并构建双结构风格学习判别器，通过改进的损失函数用于对抗性的学习这两种卡通风格表示，其处理高分辨率图像卡通化效果显著。
主权项：1.一种基于特征解纠缠对抗学习模型的图像卡通化方法，其特征在于，包括以下步骤：S1、基于内容图像和风格图像，构建特征解纠缠对抗学习模型；基于生成对抗网络的骨干，由一个特征解纠结构和单一解码器组合构成生成器网络，一个双结构风格学习判别器构成判别器网络络以此来构建特征解纠缠对抗学习模型；S2、预训练阶段，通过改进的损失函数使生成器网络先学会内容图像的分布，判别器网络并不参与训练，同时不输入任何风格信息，因此特征解纠结构也不需要计算任何风格信息；S3、正式训练特征解纠缠对抗学习模型，使用全部的损失函数对生成器网络和判别器网络进行交替双阶段的训练，以学习内容信息和风格信息，直到模型收敛为止；S4、对训练完成的模型测试，输出测试生成结果。
全文数据：
权利要求：
百度查询： 河南科技大学 一种基于特征解纠缠对抗学习模型的图像卡通化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号