买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：陕西师范大学

摘要：一种基于轻量级生成对抗网络的脸谱图像生成方法，由数据集预处理、划分数据集、特征提取、构建轻量级生成对抗网络、训练轻量级生成对抗网络、测试轻量级生成对抗网络、评估生成脸谱图像步骤组成。本发明采用轻量级生成对抗网络，并构建了合成网络和判别网络结构，在合成网络中引入逆向离散小波变换层，融合脸谱样本的风格和内容，在判别网络中引入标准差层，采用渐进式训练策略，解决了基于样式生成对抗网络计算资源复杂、训练效率低、难以复现的问题，提升了脸谱图像生成的逼真性，减小参数，缩短了网络训练时间。实验结果表明，本发明方法具有高分辨率图像生成、网络稳定、模型训练时间短等优点，可用于脸谱图像生成。

主权项：1.一种基于轻量级生成对抗网络的脸谱图像生成方法，其特征在于是由下述步骤组成：1数据预处理选取网络图片、手绘作品戏曲脸谱图像作为脸谱数据集；1使用脚本处理方法将脸谱图像数据集处理成像素为512×512的图像；2对齐五官图层和图样层，使其眼距、眼鼻距和鼻嘴距的尺寸统一，眼睛、鼻子、嘴巴、眉毛和脸部轮廓关键点位置一致；3将所有图像的像素值减去其均值，并除以其标准差，进行标准化与归一化处理，使得像素值落在[-1,1]范围内；2划分数据集将处理好的脸谱数据集按10：1划分为训练集、测试集，训练集和测试集无交叉；3提取特征使用局部二值模式方法LBPac,bc提取脸谱图像的线条形状、色彩分配、图像纹理关键特征： 其中，ac，bc为3×3邻域的中心元素像素坐标，p为采样点数量，p取值为2的正整数次方，ic、ip为邻域内其他像素值，sip-ic是符号函数；4构建轻量级生成对抗网络轻量级生成对抗网络由生成网络与判别网络串联构成；所述的生成网络由映射网络与合成网络串联构成；所述的判别网络由判别块组与标准差层、卷积层1、归一化层2依次串联构成；5训练轻量级生成对抗网络按下式构建生成网络损失函数LG和判别网络损失函数LD：LG＝Ez[log1-DGz] 其中，Ez表示随机噪声z的关系式的期望值，Gz为生成网络的输出，DGz为判别网络判断生成网络生成的图片是否为真实的概率，Ex表示真实图片x的关系式的期望值，表示网络生成的图片x1的关系式的期望值，Dx为输入x为真实图片的概率，Dx1为输入x1为真实图片的概率；将训练集输入到轻量级生成对抗网络进行训练，训练参数设置为：生成网络的学习率为0.001，判别网络的学习率设置为0.002，训练批次大小设置为5000，批量大小设置为10；训练条件为：硬件平台为Ubuntu18.04系统，2个NVIDIA2080TiGPU组成的服务器，软件平台为Python语言及Pytorch深度网络框架，训练至轻量级生成对抗网络损失函数收敛；6测试轻量级生成对抗网络将测试集输入到训练好的轻量级生成对抗网络中进行测试，输出脸谱图像；7评估生成脸谱图像用人工评估方法对测试集生成的图像进行评估。

全文数据：

权利要求：

百度查询： 陕西师范大学 基于轻量级生成对抗网络的脸谱图像生成方法