申请/专利权人：西安理工大学

申请日：2020-08-25

公开（公告）日：2024-04-16

公开（公告）号：CN112070658B

主分类号：G06T3/04

分类号：G06T3/04;G06N3/045;G06N3/0475;G06N3/0464;G06N3/094;G06N3/0985;G06V10/764;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2020.12.29#实质审查的生效;2020.12.11#公开

摘要：本发明公开的一种基于深度学习的汉字字体风格迁移方法，具体包括以下步骤：步骤1、获取指定输入字符集合的汉字图像；步骤2、进行字体图像的颜色、背景和尺寸初始化设置；步骤3、通过生成器G将源字体图像x和五种目标字体的真实图像y作为先验知识进行学习训练；步骤4、生成器G将源字体图像x作为条件输入，使用下采样区提取浅层字体特征F0，通过上采样区将特征向量还原为图像，生成目标字体的生成图像Gx；步骤5、使用判别器D对目标字体的生成图像Gx进行判别分类；步骤6、计算损失函数的值。该方法克服了现有研究方法不能充分提取字体细节特征，生成的字体存在结构变形、细节丢失和轮廓模糊的问题。

主权项：1.一种基于深度学习的汉字字体风格迁移方法，其特征在于，具体包括以下步骤：步骤1、获取指定输入字符集合的汉字图像；步骤2、通过使用PythonImageLibrary工具，使用其中的ImageFont模块，进行字体图像的颜色、背景和尺寸初始化设置；步骤3、通过生成器G将源字体图像x和五种目标字体的真实图像y作为先验知识进行学习训练；步骤4、生成器G将源字体图像x作为条件输入，使用下采样区提取浅层字体特征F0，通过上采样区将特征向量还原为图像，生成目标字体的生成图像Gx；步骤4中，下采样区是由3组卷积层Conv、批量标准化BN、激活函数层ReLU组成，核心迁移模块由6个残差密集块和一个1×1的卷积层组成，上采样区包括两个反卷积层Deconv、批量标准化BN和激活函数ReLU组成，在第一层反卷积后面跟着一个特征注意力层，最后一个卷积层使用Tanh激活函数输出目标字体的生成图像Gx；步骤5、使用判别器D对目标字体的生成图像Gx进行判别分类；步骤6、计算损失函数的值，判别器D通过生成器损失函数的值监督生成器G向更优的方向训练，使得，也就是使目标字体的生成图像Gx更加接近于目标字体的真实图像y，提高相似性。

全文数据：

权利要求：

百度查询： 西安理工大学 一种基于深度学习的汉字字体风格迁移方法

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