买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中南大学

摘要：本发明公开了一种ACGAN模型构建方法，包括获取目标ACGAN模型的模型结构及参数；基于K‑means算法进行预聚类；训练时，基于SoftTriple损失构建目标ACGAN模型的损失函数；得到最终构建的ACGAN模型。本发明还公开了一种包括所述ACGAN模型构建方法的图像生成方法，以及包括所述图像生成方法的服装设计方法。本发明通过对现有ACGAN模型的创新性改造和修正，不仅解决了ACGAN模型的模式崩溃问题，提高了ACGAN模型生成样本的多样性，而且可靠性更高。

主权项：1.一种图像生成方法，其特征在于具体包括如下步骤：A.获取所需要采用的ACGAN模型的模型结构及模型参数；B.将步骤A获取的ACGAN模型作为目标ACGAN模型，采用ACGAN模型构建方法构建得到图像生成ACGAN模型；C.采用步骤B得到的图像生成ACGAN模型，生成最终所需要的目标图像；具体实施时，所述的ACGAN模型构建方法，包括如下步骤：S1.获取目标ACGAN模型的模型结构及模型参数；S2.根据步骤S1获取的模型结构及模型参数，基于K-means算法进行预聚类，从而让不同的子中心能够更好地区别同类样本中的不同模式；具体包括如下步骤：对同一条件下的所有真实样本进行无监督聚类：将同类样本输入到Inception-v3中，并对输出结果进行K-means聚类；K-means聚类的结果为样本指定的子标签；经过聚类后，具有相同子标签的样本在高维特征上特征相似，因此向相同的子中心靠拢；同时，聚类能够让高维特征接近的样本接近相同子中心，从而让高维空间能够更好地反映样本的高维特征；在具体实施时，基于K-means算法的预聚类过程，用于模型训练之前对真实样本预处理，将真实样本聚类并将得到的子中心作为真实样本的训练目标；S3.在进行目标ACGAN模型的训练时，基于SoftTriple损失，构建目标ACGAN模型的损失函数，从而让同类的各个子中心互相远离且增大同类样本特征向量间的距离；具体包括如下步骤：真实样本进行训练时，采用指定的子中心作为训练目标；生成样本进行训练时，随机指定子中心作为训练目标；基于SoftTriple损失，采用如下算式作为新的损失函数HardTriple： 式中λ为缩放因子；为样本与正确标签所属中心的相似度且v为样本的特征向量表示，设定每个类别有K个聚类中心，为类别y的第k个聚类中心，k∈K；yp为当前样本的所属中心的类别标签；Y为所含类别标签集；为v与错误标签y的K个聚类中心相似度的加权平均且k为类别y所含聚类中心的索引，γ为放大系数；表示遍历所有错误类别标签，求和变量为y，初始值为类别标签集内的第一个类别且定义为y1，终止变量为类别标签集内的最后一个类别且定义为yC，C为类别数量，而且求和过程要求跳过唯一的正确标签yp；通过加入熵正则化项来强迫子中心互相远离，从而采用如下算式作为最终的目标ACGAN模型的损失函数L： 式中τ为超参数；表示遍历所有类别标签，求和变量为y，初始值为类别标签集内的第一个类别，终止变量为类别标签集内的最后一个类别；为同类的K个子中心的两两计算距离并求和且t和s均为求和变量并用于遍历同类中的所有子中心并两两求相隔距离，为每次计算距离中的第一个子中心t，为每次计算距离中的第二个子中心s；C为类别数量；K为同类中聚类中心的数量；LMS为同类样本之间距离的倒数且ρ为超参数，为类别为y、子中心为k1的样本，为类别为y、子中心为k2的样本，且k1≠k2； 能够让同类的各个子中心互相远离；LMS能够增大同类样本特征向量间的距离；S4.得到最终构建的ACGAN模型。

全文数据：

权利要求：

百度查询： 中南大学 ACGAN模型构建方法、图像生成方法及服装设计方法