申请/专利权人：沈阳工业大学

申请日：2023-03-16

公开（公告）日：2023-06-23

公开（公告）号：CN116309913A

主分类号：G06T11/00

分类号：G06T11/00;G06N3/084;G06N3/0475;G06N3/0464;G06N3/045;G06N3/088

优先权：

专利状态码：有效-授权

法律状态：2024.01.26#授权;2023.07.11#实质审查的生效;2023.06.23#公开

摘要：本发明公开了一种基于生成对抗网络ASG‑GANAdvancedSceneGraph‑GAN的文本描述生成图像方法，包括：将原始文本输入到训练好的ASG‑GAN模型中，得到最终高分辨率图像；该模型通过堆叠式的生成对抗网络，将第一层网络的输出图像通过下采样取得输出图像特征，同时将原始描述文本通过文本编码器转换为文本嵌入向量，通过条件增强技术解决长文本嵌入向量条件流性不连续的问题，最终将第一层网络生成的图像与条件文本向量连接，通过残差网络学习文本与图像的多峰向量特征，实现第二层输出图像的分辨率提升，同时通过对图像原始文本的重复学习，提取原始文本的隐含信息，提升图像的整体细节及图像生成质量。

主权项：1.一种基于生成对抗网络ASG-GAN文本描述生成图像方法，其特征在于，包括：将原始文本输入到训练好的ASG-GAN模型中，得到最终高分辨率图像；所述ASG-GAN模型是将两个生成对抗网络模型即第一层生成对抗网络模型和第二层生成对抗网络模型合并形成一个高分辨率图像生成网络模型即ASG-GAN模型；所述第一层生成对抗网络模型和所述第二层生成对抗网络模型均基于GAN模型构建；所述第一层生成对抗网络模型用于构建图像轮廓、填充基本颜色，生成低分辨率图像；所述第二层生成对抗网络模型用于利用所述低分辨率图像和所述原始文本，挖掘所述文本的隐含特征，为图像添加细节、弥补缺陷、丰富色彩，最终生成高分辨率图像。

全文数据：

权利要求：

百度查询： 沈阳工业大学 一种基于生成对抗网络ASG-GAN文本描述生成图像方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD