[发明专利]一种图像转换方法及系统

权利要求书

1.一种图像转换方法，其特征在于，所述方法，包括：

获取待转换图像；

将所述待转换图像输入到图像转换模型中，得到转换后的图像；图像转换模型是利用训练集对初始对抗网络进行训练得到的；所述训练集包括待转换图像训练集和目标图像训练集；所述初始对抗网络包括生成网络和鉴别网络；所述生成网络包括一个编码器和一个解码器；生成网络损失为：

L_G＝L_G(G,D,X,Y)+λ_X·L_PatchNCE(G,H,X)+λ_Y·L_PatchNCE(G,H,Y)；

其中，L_G(G,D,X,Y)＝E[log(1-D(G(x)))]；

式中，L_G表示生成网络总损失；L_G(G,D,X,Y)表示生成对抗损失；L_PatchNCE(G,H,X)表示第一补丁块对比损失；L_PatchNCE(G,H,Y)表示第二补丁块对比损失；λ_X和λ_Y分别表示第一系数和第二系数；λ_X和λ_Y均为1；G(x)表示将待转换图像训练集中的一张图像x输入至生成网络中后得到的转换后的图像；D(G(x))表示向鉴别网络中输入图像G(x)后得到的鉴别概率值；E(*)表示*的期望值；表示交叉熵损失函数；τ表示第一控制系数，τ为0.07；表示将待转换图像训练集中图像x依次输入至l层编码器和多层感知机H得到的特征集合l＝1，...，L；L为编码器总层数；表示将G(x)依次输入至l层编码器和多层感知机H得到的特征集合；令s∈{1,…,S_l}，S_l是第l层的空间位置数；表示中第l层第s个查询块的特征，表示{z_l}_L中第l层第s个正样例的特征；表示{z_l}_L中第l层除s外负样例的特征；表示将训练集目标域中图像y依次输入至l层编码器和多层感知机H得到的特征集合；表示将图像G(y)依次输入至l层编码器和多层感知机H得到的特征集合；G(y)表示将目标图像集中的一张图像y输入至生成网络中后得到的转换后的图像；表示中第l层第s个查询块的特征，表示{w_l}_L中第l层第s个正样例的特征；表示{w_l}_L中第l层除s外负样例的特征；X表示源域；Y表示目标域；

鉴别网络损失为：L_D＝L_D(G,D,X,Y)+λ_M·L_MCL(G,D,X,Y)；

其中，L_D(G,D,X,Y)＝-E[logD(y)]+E[logD(G(x))]；

式中，L_D表示鉴别网络损失；L_D(G,D,X,Y)表示鉴别网络对抗损失；L_MCL(G,D,X,Y)表示多特征对比学习损失；λ_M表示第三系数；D(y)表示向鉴别网络中输入图像y后得到的鉴别概率值；D(G(x))表示向鉴别网络中输入图像G(x)后得到的鉴别概率值；L_con(r⁽ⁱ⁾,f,r^(-i))表示对比损失函数；r⁽ⁱ⁾表示第i个目标特征，即将目标图像输入到鉴别网络中得到的第i个特征；r＝{r⁽ⁱ⁾}表示目标特征的集合；r^(-i)＝r\{r⁽ⁱ⁾}表示除第i个目标特征之外的所有目标特征；f⁽ⁱ⁾表示第i个生成图像特征，即将生成图像输入到鉴别网络中得到的第i个特征；f＝{f⁽ⁱ⁾}表示所有生成图像特征的集合；ω表示第二控制系数，ω为0.07。