公开(公告)号：CN114549288A

公开(公告)日：2022-05-27

申请号：CN202210143672.2

申请日：2022-02-16

Applicant: 北京工业大学

Inventor： 马伟 ,  周显晴

IPC: G06T3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于深度学习的素描风景图生成方法，具体涉及基于深度学习的素描风景图生成网络，以及基于交互式分割的素描主次感增强算法。素描风景图生成网络的训练步骤如下：获取网上的非成对自然域图像和素描域图像作为训练数据；将自然实景图片‑素描风景数据集输入到非对称双循环生成对抗网络中进行训练；将自然实景图像输入到训练好的网络模型中，初步合成对应的素描风景图。素描主次感增强算法包括如下步骤：设计主体区域提取模块，自主选取合成素描风景图的主体部分；设计主次感增强模块，将合成素描图的主体部分进行增强、将背景部分进行弱化，获得具有主次感的素描图。本发明能够将自然实景图像自动转化为富有主次感的素描风景图。

公开(公告)号：CN113112397A

公开(公告)日：2021-07-13

申请号：CN202110322481.8

申请日：2021-03-25

Applicant: 北京工业大学

Inventor： 马伟 ,  贾晓宇 ,  周显晴

IPC: G06T3/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于风格与内容解耦的图像风格迁移方法，具体涉及图像风格迁移神经网络和损失度量网络。风格迁移神经网络是用于该任务的任意前馈网络，损失度量网络由风格特征提取模块和内容特征提取模块组成。训练步骤如下：将风格迁移结果图与原内容图送入损失度量网络的内容特征提取模块，计算内容重建损失；将风格迁移结果图与原风格图像送入损失度量网络的风格特征提取模块，计算风格损失；通过损失度量网络训练图像风格迁移网络，使其生成的图像保留原图内容，且具备特定风格图的风格特征。本发明通过解耦风格和内容损失度量过程，使得所训练的风格迁移网络能够有效摒除来自风格图中内容的干扰。