[发明专利]一种基于GAN的自动化设计图像生成方法在审
| 申请号: | 202010423772.1 | 申请日: | 2020-05-19 |
| 公开(公告)号: | CN111784592A | 公开(公告)日: | 2020-10-16 |
| 发明(设计)人: | 费棋;曹磊 | 申请(专利权)人: | 知昇(上海)人工智能科技有限公司 |
| 主分类号: | G06T5/00 | 分类号: | G06T5/00;G06T5/20;G06T5/30;G06T7/13;G06N3/04;G06K9/62 |
| 代理公司: | 上海宣宜专利代理事务所(普通合伙) 31288 | 代理人: | 陈酩 |
| 地址: | 201600 上海*** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 gan 自动化 设计 图像 生成 方法 | ||
1.一种基于GAN的自动化设计图像生成方法,其特征在于:包括以下步骤:
步骤1:将图像进行空白剔除、大小归一化操作,并将所有图像转换为预设像素×预设像素的像素大小;
步骤2:搭建与运行GAN深度学习模型;
步骤3:经过若干轮训练迭代后,将超参赋值于生成器网络中,生成新的设计图像;
步骤4:将生成出的设计图像进行腐蚀与膨胀数学计算,减少其噪声点;
步骤5:使用中值滤波对图像中色彩边缘进行平滑,减少边缘突变。
2.根据权利要求1所述的基于GAN的自动化设计图像生成方法,其特征在于:所述步骤2中的:GAN深度学习模型可分为生成器与判别器,在一轮训练迭代中生成器网络输入预设像素×1维度的随机向量后,生成出预设像素×预设像素的图像,生成图像与真实图像均放入判别器后计算分类准确率与损失函数,将计算的损失分别反馈给生成器与判别器,生成器网络与判别器网络根据损失梯度下降结果,反馈至网络参数,对网络参数进行调整,然后进入下一轮训练迭代。
3.根据权利要求2所述的基于GAN的自动化设计图像生成方法,其特征在于:所述生成器网络可不断生成预设像素元×预设像素元像素的图像。
4.根据权利要求1至3中任一项所述的基于GAN的自动化设计图像生成方法,其特征在于:所述预设像素为256×256像素的图像或者1024×1024像素的图像。
5.根据权利要求1所述的基于GAN的自动化设计图像生成方法,其特征在于:所述步骤1中的:空白剔除是将遍历设计图像的每一个像素点,寻找最左上角非白色像素点以及最右下角非白色像素点,保留这两个像素点以内的矩形范围,提出该范围外的空白部分。
6.根据权利要求1所述的基于GAN的自动化设计图像生成方法,其特征在于:所述步骤1中的:大小归一化是为了保证设计图像的长宽比,将设计图像长宽比在预设图像长宽比内的图像删除,将该预设图像长宽比外的图像长宽缩放为预设像素×预设像素。
7.根据权利要求6所述的基于GAN的自动化设计图像生成方法,其特征在于:所述预设图像长宽比为1:1.2。
8.根据权利要求7所述的基于GAN的自动化设计图像生成方法,其特征在于:所述预设图像长宽比为0.83:1。
9.根据权利要求1所述的基于GAN的自动化设计图像生成方法,其特征在于:所述步骤5中的:所述中值滤波核大小范围≥[3,3]。
10.根据权利要求9所述的基于GAN的自动化设计图像生成方法,其特征在于:所述中值滤波核大小范围≤[15,15]。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于知昇(上海)人工智能科技有限公司,未经知昇(上海)人工智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010423772.1/1.html,转载请声明来源钻瓜专利网。





