[发明专利]一种基于CycleGAN的图片训练的网络结构ArcGAN及方法

权利要求书

1.一种基于CycleGAN的图片训练的网络结构ArcGAN，CycleGAN网络架构由两个卷积神经网络(CNN)组成，一个是生成器，用以被训练以产生欺骗鉴别器的输出；另一个是鉴别器，用于对图像来自真实目标还是合成图像进行分类；生成器包括编码器、转换器和解码器，编码器是一个输入层和两个下采样卷积层，转换器是九块残差卷积层，解码器是两个上采样反卷积层以及一个输出层；其特征在于，所述网络结构ArcGAN由生成器和双鉴别器组成，所述双鉴别器包括粗糙鉴别器和精细鉴别器；

所述网络结构ArcGAN的生成器中的编码器包括一个输入层和三个下采样卷积层，每个下采样卷积层后接两个和输入层结构一样的平卷积层；转换器包括五个没有池化层的密集卷积块，每块包含五个带有瓶颈层的密集卷积层，块与块之间设有压缩层；解码器包括三个上采样反卷积层和一个输出层，每个上采样反卷积层后接两个和输入层结构一样的平卷积层；编码器中的每层下采样和与之对应的解码器中的上采样进行复制式连接。

所述粗糙鉴别器用于处理高层视觉信息，由六层下采样层和一个输出层构成；精细鉴别器由四层下采样和一个最终层构成；精细鉴别器和粗糙鉴别器计算的损失相结合，与生成器共同完成对抗一致性训练。

2.一种基于深度神经网络的线条建筑自动上色的方法，基于权利要求1所述的网络结构ArcGAN，其特征在于，包括以下步骤：

(1)制作训练集；

(2)将训练集转化成所需格式；

(3)训练网络；

(4)导出模型；

(5)制作测试集；

(6)调用网络，给测试集着色，得到相应结果。