[发明专利]一种图像生成方法、系统及相关设备

权利要求书

1.一种图像生成方法，其特征在于，包括以下步骤：

将预设的训练图片数据中的图片提取为训练集，所述训练集中的图片对应有特征标签；

随机地生成满足高斯分布的第一噪声和第二噪声；

将所述特征标签分别与所述第一噪声和所述第二噪声拼接，再输入到生成对抗网络的生成器进行处理，分别得到对应所述第一噪声和所述第二噪声的第一图片集和第二图片集；

计算所述第一噪声和所述第二噪声的均值，以得到中间噪声，将所述第一噪声和所述第二噪声以及所述特征标签拼接，再输入到生成对抗网络的生成器进行处理，得到第三图片集；

将所述第一图片集、所述第二图片集、所述第一噪声、所述第二噪声、所述中间噪声以及所述第三图片集输入到多样化模式损失函数进行处理，以使得所述生成器生成的所述第一图片集、所述第二图片集与所述第三图片集之间的矩阵距离最大化，避免所述生成器生成所述第一图片集、所述第二图片集、所述第三图片集时的表现趋势过于单一；

将所述第三图片集、所述训练集以及所述特征标签输入到生成对抗网络的判别器进行处理，得到所述第三图片集的判断结果；

所述生成器和所述判别器反复交替更新学习，直到达到纳什均衡，以生成最终图像；

其中，将所述特征标签分别与所述第一噪声和所述第二噪声拼接，包括以下步骤：

扩展所述第一噪声和所述第二噪声的维度，并将扩展维度后的所述第一噪声和所述第二噪声分别与所述特征标签在RGB通道维度上拼接，分别得到第一拼接特征和第二拼接特征；

所述多样化模式损失函数的定义为满足如下约束条件：

其中，j在计算过程中取值1和2，使I₁、I₂分别代表所述第一图片集和所述第二图片集，z₁、z₂分别代表所述第一噪声和所述第二噪声，代表所述中间噪声，代表所述第三图片集，代表对于所述第一图片集、所述第二图片集分别与所述第三图片集之间的矩阵计算，代表对于所述第一噪声、所述第二噪声分别与所述中间噪声之间的矩阵计算过程，代表生成对抗网络中生成器进行的距离矩阵值最大化计算过程。

2.如权利要求1所述的一种图像生成方法，其特征在于，所述得到对应所述第一噪声和所述第二噪声的第一图片集和第二图片集具体包括以下步骤：

将所述第一拼接特征和所述第二拼接特征经过三组相同的反卷积、批归一化和ReLU函数处理，得到第一处理特征和第二处理特征；

将所述第一处理特征和所述第二处理特征分别经过tanh函数处理，分别得到所述第一图片集和所述第二图片集。

3.如权利要求1所述的一种图像生成方法，其特征在于，所述将所述第三图片集、所述训练集以及所述特征标签输入到生成对抗网络的判别器进行处理的步骤具体包括以下步骤：

将所述第三图片集、所述训练集以及对应的所述特征标签输入所述判别器中，同时，所述特征标签通过reshape与所述训练集中的图片为相同形状，并在RGB通道上将所述第三图片集和所述训练集分别与所述特征标签进行拼接，分别得到第三拼接特征和训练特征；

将所述第三拼接特征和所述训练特征分别经过一组卷积和LeakyReLU函数处理，分别得到第三处理特征和第四处理特征；

将所述第三处理特征和所述第四处理特征再经过两组卷积、批归一化和LeakyReLU函数处理，得到最终拼接特征和最终训练特征；

将得到的所述最终拼接特征和所述最终训练特征经过一组卷积和Sigmoid函数处理，得到一个一维数组，并使用所述判别器的损失函数对所述一维数组计算对抗损失，使得所述判别器对于所述第三图片集的真实图像得出的判别数值靠近1，对于所述第三图片集的虚假图像得出的判别数值靠近0。

4.如权利要求3所述的一种图像生成方法，其特征在于，所述LeakyReLU函数引入了数据小于0时的梯度，并满足如下约束条件：

其中，x代表所述LeakyReLU函数的输入数据。

5.如权利要求1所述的一种图像生成方法，其特征在于，所述生成器和所述判别器反复交替更新学习的迭代次数至少为200次。