[发明专利]一种基于生成式对抗网络的图像域转换网络和转换方法

权利要求书

1.一种基于生成式对抗网络的图像域转换网络系统，其特征在于：包括U型生成网络、真假鉴别网络和配对鉴别网络，U型生成网络包括编码网络和解码网络，编码网络的输入端接入输入图像Input，编码网络的输出端连接解码网络的输入端，解码网络的输出端输出网络生成图像Output；设与输入图像Input一一配对的真实的目标域图像为目标域图像target；网络生成图像Output作为真假鉴别网络的训练负样本输入真假鉴别网络的负样本输入端，目标域图像target作为真假鉴别网络的训练正样本输入真假鉴别网络的正样本输入端，真假鉴别网络输出的值作为真假损失值反馈至解码网络的真假损失输入端；网络生成图像Output和对应输入图像Input作为训练负样本输入配对鉴别网络的负样本输入端，目标域图像target和对应输入图像Input作为训练正样本输入配对鉴别网络的正样本输入端，配对鉴别网络输出的值作为配对损失值反馈至解码网络的配对损失输入端；将网络生成图像Output与目标域图像target之间结构相似性值作为补偿损失值反馈至解码网络的补偿损失输入端。

2.根据权利要求1所述的基于生成式对抗网络的图像域转换网络系统，其特征在于：所述编码网络包括八层卷积网络，每层卷积网络的卷积核大小为3*3，步长为2*2，每层卷积网络均包括卷积层、Batch Normalization层和Leak ReLU激活层，Leak ReLU激活层的α参数为0.2；所述解码网络包括八层反卷积网络，每层反卷积网络的反卷积核大小为3*3，步长为2*2，每层反卷积网络包括反卷积层、Batch Normalization层和激活层，第一至第七层反卷积网络的激活层采用ReLU激活层，第八层反卷积网络的激活层采用tanh激活层。

3.根据权利要求2所述的基于生成式对抗网络的图像域转换网络系统，其特征在于：所述真假鉴别网络包括多层依次传递的真假鉴别卷积网络，每层真假鉴别卷积网络均包括卷积层、Batch Normalization层和激活层，最后一层真假鉴别卷积网络的激活层采用Sigmoid激活函数，其他层真假鉴别卷积网络的激活层采用ReLU函数。

4.根据权利要求3所述的基于生成式对抗网络的图像域转换网络系统，其特征在于：所述配对鉴别网络包括依次传递的Concat层和多层配对鉴别卷积网络，每层配对鉴别卷积网络均包括卷积层、Batch Norm alization层和激活层，最后一层配对鉴别卷积网络的激活层采用Sigmoid激活函数，其它层配对鉴别卷积网络的激活层采用ReLU函数。