1.利用汉字骨架信息减缓网络模式崩溃问题的汉字生成方法,其特征在于:包括下列步骤:
步骤一、从源域图像 中提取对应的源域骨架图像 ,源域图像 和相应的源域骨架图像 拼接在一起输入生成器 中生成目标风格图像 ,并将目标风格图像 放入判别器 中判别目标风格图像 的真假;
步骤二、从目标风格图像 中提取相应的目标风格骨架图像 ,并将提取的目标风格骨架图像 和目标风格图像 拼接,拼接结果输入另一个生成器 生成源域风格图像 ,并将源域风格图像 放入另一判别器 判别;
步骤三、从生成器 重建生成的源域风格图像 中提取源域风格骨架图像 ,对提取的源域风格骨架图像 和步骤一中提取的源域骨架图像 计算像素级损失,像素级损失作为网络梯度回传的一部分,并用于在训练中优化模型。
2.根据权利要求1所述的利用汉字骨架信息减缓网络模式崩溃问题的汉字生成方法,其特征在于:所述步骤一中,源域图像 为RGB三通道图像,各个骨架图像为单通道的灰度图像,具体拼接操作是将源域图像 的RGB三通道,拼接上提取出的源域骨架图像 的灰度单通道,最后组合成为一个四通道的信息放入网络中的生成器 ,生成RGB三通道的目标风格图像 。
3.根据权利要求1所述的利用汉字骨架信息减缓网络模式崩溃问题的汉字生成方法,其特征在于:所述步骤二中,将目标风格图像 的RGB三通道,拼接上提取出的目标风格骨架图像 的灰度单通道,最后组合成为一个四通道的信息放入网络中的生成器 ,生成RGB三通道的源域风格图像 。
4.根据权利要求1所述的利用汉字骨架信息减缓网络模式崩溃问题的汉字生成方法,其特征在于:所述步骤三中,通过计算源域图像的骨架和重构生成的源域风格图像的骨架之间的误差值作为网络梯度回传的一部分,用于在训练中优化模型,网络梯度回传的所述误差值即所述像素级损失,优化后所述像素级损失小于设定的损失阈值,即表明重建生成的源域风格图像 在骨架层面也与步骤一中的源域图像 相似。
5.根据权利要求1‑4中任一所述的利用汉字骨架信息减缓网络模式崩溃问题的汉字生成方法,其特征在于:本方法所用的循环生成网络包括骨架提取整合模块、重构生成字体模块、两个生成器、两个判别器和计算骨架损失模块。
6.根据权利要求5所述的利用汉字骨架信息减缓网络模式崩溃问题的汉字生成方法,其特征在于:骨架提取整合模块,用于将输入的源域图像提取为源域骨架图像,并将提取的源域骨架图像和源域图像在通道维度上进行拼接,组合成为一个四通道的信息放入网络中的生成器 生成目标风格图像。
7.根据权利要求5所述的利用汉字骨架信息减缓网络模式崩溃问题的汉字生成方法,其特征在于:重构生成字体模块,用于对生成器 生成的目标风格图像提取其对应的目标风格骨架图像,将生成的目标风格图像和目标风格骨架图像拼接,然后将生成的四通道的信息传入生成器 中重构生成源域风格图像。
8.根据权利要求5所述的利用汉字骨架信息减缓网络模式崩溃问题的汉字生成方法,其特征在于:两个生成器分别为生成源域风格图像的生成器 和生成目标风格图像的生成器 ,两个生成器的输入为拼接生成的四通道图像,经过一系列的卷积层,两个生成器的输出为三通道的图像。
9.根据权利要求8所述的利用汉字骨架信息减缓网络模式崩溃问题的汉字生成方法,其特征在于:两个判别器模块,作用是判定输入的图像是真实图像还是网络生成的虚假图像,判别器和生成器之间存在矛盾的关系,互相优化双方的能力。
10.根据权利要求5所述的利用汉字骨架信息减缓网络模式崩溃问题的汉字生成方法,其特征在于:计算骨架损失模块,通过计算源域图像的骨架和重构生成的源域风格图像的骨架之间的误差值作为网络梯度回传的一部分,并用于在训练中优化模型。