申请/专利权人：天津大学

申请日：2020-07-31

公开（公告）日：2024-03-01

公开（公告）号：CN111862294B

主分类号：G06T15/50

分类号：G06T15/50;G06T17/10;G06N3/0475;G06N3/0442;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.03.01#授权;2020.11.17#实质审查的生效;2020.10.30#公开

摘要：本发明公开一种基于ArcGAN网络的手绘3D建筑自动上色网络装置及方法，网络装置包括ArcGAN网络，ArcGAN网络由第一生成器和第一双鉴别器组成，第一双鉴别器包括第一全局鉴别器和第一局部鉴别器；网络装置还包括Attention模块和LSTM模块；Attention模块由第二生成器和第二鉴别器组成；第二生成器根据输入图片生成第二鉴别器认为是真实的图片，第二生成器由第二编码器、第二转换器和第二解码器三部分组成；第二鉴别器用于判别输入的图片是来自第二生成器的合成图片还是来自训练集的真实图片，由连续的下采样卷积层组成；LSTM模块由第三生成器和第三双鉴别器两部分构成；第三生成器采用encoder‑LSTM‑decoder结构，分为第三编码器、循环神经网络模块、第三解码器三个部分。

主权项：1.一种基于ArcGAN网络的手绘3D建筑自动上色网络装置，包括ArcGAN网络，ArcGAN网络由第一生成器和第一双鉴别器组成，第一双鉴别器包括第一全局鉴别器和第一局部鉴别器；其特征在于，自动上色网络装置AL-GAN还包括Attention模块和LSTM模块；所述Attention模块由第二生成器和第二鉴别器组成；第二生成器根据输入图片生成第二鉴别器认为是真实的图片，第二生成器由第二编码器、第二转换器和第二解码器三部分组成；第二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一个和输入层结构一样的平卷积层；第二转换器包括两个没有池化层的密集卷积块，每个密集卷积块包含五个带有瓶颈层的密集卷积层，密集卷积块之间设有压缩层；第二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一个和输入层结构一样的平卷积层；第二编码器中的每层下采样卷积层和与之对应的解码器中的上采样反卷积层进行复制式连接；第二鉴别器用于判别输入的图片是来自第二生成器的合成图片还是来自训练集的真实图片，由连续的下采样卷积层组成；所述LSTM模块由第三生成器和第三双鉴别器两部分构成；第三生成器采用encoder-LSTM-decoder结构，分为第三编码器、循环神经网络模块、第三解码器三个部分；第三编码器由一个输入层、四个下采样卷积层和四个空洞卷积层组成，每个下采样卷积层后接一个平卷积层；循环神经网络模块采用LSTM网络结构；第三解码器由四个上采样反卷积层和一个输出层组成，每个上采样反卷积层后接一个和输入层结构一样的平卷积层；第三编码器中的每层下采样卷积层和与之对应的解码器中的上采样反卷积层进行复制式连接；第三双鉴别器用于判别输入的图片是来自第三生成器的合成图片还是来自训练集的真实图片，由连续的下采样卷积层组成；第三双鉴别器包括第三全局鉴别器和第三局部鉴别器；第三全局鉴别器由四层下采样层和一个输出层构成，第三局部鉴别器由五层下采样层和一个输出层构成，将第三双鉴别器计算的损失结合起来，与第三生成器共同完成对抗一致性训练。

全文数据：

权利要求：

百度查询： 天津大学 基于ArcGAN网络的手绘3D建筑自动上色网络装置及方法

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