公开(公告)号：CN115775284A

公开(公告)日：2023-03-10

申请号：CN202211505806.7

申请日：2022-11-29

Applicant: 杭州电子科技大学

Inventor： 俞俊 ,  沈铭 ,  丁佳骏 ,  刘贝利 ,  范梦婷 ,  杨苏杭 ,  赵天宁 ,  陈盛款

IPC: G06T11/20 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/08 ,  G06N3/084

Abstract: 本发明公开了一种新的基于残差学习和多尺度学习的文本生成图像的分阶段多路径网络架构，用于提高提取图像不同尺度的特征，生成细节更具细粒度的图像，来提高文本生成图像跨模态任务的生成效果。本发明提出的是一种新的改进后的生成对抗神经网络架构，来提高图像生成的清晰度。利用分阶段残差连接将相邻阶段信息的信息和文本信息组成的特征图直接传递到当前阶段的末尾，参与到当前阶段的图像生成中，避免了长时间存储的要求，提高当前阶段的生成效果。多尺度学习利用多个不同卷积核大小的并行路径提取输入图像的特征，适当集成来自不同空间的特征图获取更高质量的特征和细粒度的文本细节。

公开(公告)号：CN114299176A

公开(公告)日：2022-04-08

申请号：CN202111599844.9

申请日：2021-12-24

Applicant: 杭州电子科技大学

Inventor： 俞俊 ,  范梦婷 ,  杨苏杭 ,  丁佳骏

IPC: G06T11/00 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于高效通道注意力机制的StackGAN++图像生成方法。本发明在StackGAN++生成器的每一个残差块后都引入一个高效通道注意力模块，以此来构建一个能生成具有细节感和现实感的高分辨率图像的图像生成算法。本发明步骤如下：1.图像预处理；2.基于高效通道注意力机制的StackGAN++模型的图像生成；3.算法性能比较。本发明提出基于高效通道注意力机制的StackGAN++图像生成模型，并且有效提升了生成图像的清晰度和细节感。针对StackGAN++生成图像的细节和纹理方面不足的问题，通过往StackGAN++模型中引入高效通道注意力机制，增强对图像中细节的关注，提高生成局部纹理的能力。

公开(公告)号：CN114283218A

公开(公告)日：2022-04-05

申请号：CN202111597835.6

申请日：2021-12-24

Applicant: 杭州电子科技大学

Inventor： 俞俊 ,  杨苏杭 ,  范梦婷 ,  丁佳骏

IPC: G06T11/00 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种加入SE块的场景图生成图像方法。本发明针对Sg2im生成的图像模糊、缺少细节等问题，通过往Sg2im模型中加入SE块，增强对图像中细节的关注，提高场景图生成图像的质量。本发明的主要做法就是将SE块加入到Sg2im模型的级联细化网络部分。本发明包括以下步骤：1.数据预处理，2.加入SE块的Sg2im模型的图像生成，3.算法性能比较。本发明提出加入SE块的场景图生成图像算法，并且有效提升了生成图像的清晰度和细节感。