[发明专利]一种基于生成对抗神经网络的图像去台标方法

权利要求书

1.一种基于生成对抗神经网络的图像去台标方法，其特征在于，包括：

S10构建训练数据集和测试数据集；

S20构建生成器网络，所述生成器网络用于根据输入的带台标的图像和台标蒙版图像生成不带台标的图像；

S30构建判别器网络，与生成器网络的输出端连接，所述判别器网络用于对真实的不带台标的图像和生成器网络输出的不带台标的图像进行真假判断；

S40根据训练数据集对生成器网络和判别器网络进行训练；

S50使用训练好的生成器网络对测试数据集进行去台标操作；

构建的生成器网络中依次包括：第一卷积层、relu激活层、密集连接块、第二卷积层、BatchNormal归一化层、第三卷积层、第四卷积层及tanh激活层，所述生成器网络的输入由带台标的图像和台标蒙版图像的矩阵叠加而成；

在步骤S30，构建的判别器网络中依次包括：第七卷积层、lrelu激活层、第八卷积层、BatchNormal归一化层、lrelu激活层、第九卷积层、BatchNormal归一化层、lrelu激活层、第十卷积层、BatchNormal归一化层、lrelu激活层、第十一卷积层、BatchNormal归一化层、lrelu激活层、第十二卷积层、BatchNormal归一化层、lrelu激活层、第十三卷积层、BatchNormal归一化层、lrelu激活层、第十四卷积层、BatchNormal归一化层、第十五卷积层、BatchNormal归一化层、lrelu激活层、第十六卷积层、BatchNormal归一化层、lrelu激活层、第十七卷积层、BatchNormal归一化层、lrelu激活层、用于将一个多维向量经过reshape操作变成n维向量的展平层及输出一维向量的密集连接层。

2.如权利要求1所述的图像去台标方法，其特征在于，在步骤S10中包括：

S11从数据集中随机抽取一图像，并从中随机截取预设大小的图像；

S12将截取的图像中的RGB数据进行归一化，得到一真实的不带台标的图像；

S13重复步骤S11～S12预设次数，得到预设数量的真实的不带台标的图像数据；

S14制作所述预设大小的透明台标图像，作为台标蒙版图像；

S15将真实的不带台标的图像与台标蒙版叠加得到所述预设数量的带台标的图像；

S16将带台标的图像中的RGB数据进行归一化，得到带台标的图像数据。

3.如权利要求1所述的图像去台标方法，其特征在于，

在所述第一卷积层中，卷积核为9×9，输出由64个特征形成的特征地图；

在所述第二卷积层中，卷积核为3×3，输出由64个特征形成的特征地图；

在所述第三卷积层中，卷积核为3×3，输出由256个特征形成的特征地图；

在所述第四卷积层中，卷积核为9×9，输出由3个特征形成的特征地图。

4.如权利要求1所述的图像去台标方法，其特征在于，

密集连接块之间的方式为密集连接，每个密集连接块中依次包括：第五卷积层、BatchNormal归一化层、relu激活层、第六卷积层及BatchNormal归一化层；

在所述第五卷积层和第六卷积层中，卷积核为3×3，输出由64个特征形成的特征地图。