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：西北大学

摘要：本发明公开了一种基于生成对抗网络的兵马俑色彩复原方法，该方法以GAN网络为基础构建兵马俑色彩复原网络模型，并对该兵马俑色彩复原网络模型进行训练，进而将相应的兵马俑图像进行色彩复原。具体包括：收集兵马俑数据集，通过旋转，裁剪，调节亮度和对比度来扩充数据集；对数据集大小进行调整，通过脚本代码将其调整为大小64x64的图片；对原始GAN网络模型进行调整，使之成为条件GAN模型；将数据批量输入到条件GAN网络中进行训练；训练完成后，对网络模型进行测试。该方法首次将深度学习的方法应用于兵马俑色彩复原中，克服了现有技术中对兵马俑色彩复原的单一性，提高了着色的多样性，同时也加快了对兵马俑图像处理的速度。

主权项：1.一种基于生成对抗网络的兵马俑色彩复原方法，其特征在于，该方法以GAN网络为基础构建兵马俑色彩复原网络模型，并对该兵马俑色彩复原网络模型进行训练，进而将相应的兵马俑图像进行色彩复原，具体按以下步骤进行：步骤1，收集兵马俑图像并扩充数据集；步骤2，对GAN网络的生成器采用连续相同的卷积块，对GAN网络的判别器结构不做改变；步骤3，为了提高着色的多样性，将GAN网络的生成器噪声通道连接到GAN网络的生成器的前半部分；步骤4，设计对YUV与RGB图像训练时的损失函数对于由YUV表示的图像，需要考虑的损失只有U和V通道的损失，Y通道只用来表示亮度信息，因此，对于CGAN来说是一个由灰度图像y和噪声向量z输出到彩色图像的过程，其损失函数如下式： 对于由RGB表示的图像，不仅需要考虑RGB三通道的损失，还需要考虑图像亮度损失，因此需要加入L1损失，表示如下： 损失函数如下式所示： 步骤5，对构建的兵马俑色彩复原网络模型设计训练算法并进行训练；所述训练首先确定兵马俑图像参数值：KG＝1，KD＝1，m＝64，sz＝100，s＝64；训练过程步骤包括：步骤5.1：随机生成m组噪声，每组噪声大小为sz，表示为{z1，z2，z3，…，zm}；步骤5.2：随机选取m张灰度图，大小为64x64x1，表示为{y1，y2，y3，…，ym}；步骤5.3：将上述组合输入到兵马俑色彩复原网络模型中，由生成器生成m张彩色图像，表示为{x1，x2，x3，…，xm}；步骤5.4：由损失函数计算损失并且更新判别器参数： 步骤5.5，随机生成m组噪声，每组噪声大小为sz，表示为{z1，z2，z3，…，zm}；步骤5.6，随机选取m张灰度图，大小为64x64x1，表示为{y1，y2，y3，…，ym}；步骤5.7，通过损失函数计算损失值并更新生成器参数： 步骤5.8，重复上述过程；步骤6，对兵马俑色彩复原网络模型进行测试，完成兵马俑色彩复原。

全文数据：

权利要求：

百度查询： 西北大学 基于生成对抗网络的兵马俑色彩复原方法