Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于改进的变分自编码器网络的布匹缺陷图像生成系统及方法 

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:河南大学

摘要:本发明提供一种基于改进的变分自编码器网络的布匹缺陷图像生成系统及方法。该系统包括变分自编码器网络和判别网络,所述变分自编码器网络分为编码器网络和解码器网络;编码器网络,用于将真实目标图像编码成潜空间变量X的正态分布qz|x;解码器网络,用于从正态分布qz|x中采样潜空间变量~X生成新的目标图像;判别器网络,用于衡量生成的目标图像与真实目标图像之间的相似性,计算对抗损失,把对抗损失传入编码网络和解码网络,同时把变分自编码器网络中基于像素的重构度量替换为表示在判别器网络的特征度量。本发明通过生成对抗网络中的判别器网络对变分自编码器网络进行改进,提高生成图像的质量。

主权项:1.基于改进的变分自编码器网络的布匹缺陷图像生成系统,其特征在于,包括变分自编码器网络和判别网络,所述变分自编码器网络分为编码器网络和解码器网络;编码器网络,用于将真实目标图像编码成潜空间变量X的正态分布qz|x;解码器网络,用于从正态分布qz|x中采样潜空间变量~X生成新的目标图像;判别器网络,用于衡量生成的目标图像与真实目标图像之间的相似性,计算对抗损失,把对抗损失传入编码网络和解码网络,同时把变分自编码器网络中基于像素的重构度量替换为表示在判别器网络的特征度量;所述编码器网络包含一个resnet18网络;所述resnet18网络由浅至深包括依次连接的Conv2d层、最大池化层、8个残差块和平均池化层;8个所述残差块之间依次串联连接;所述Conv2d层由一个卷积核大小为7×7且步长为2的卷积层、归一化层以及激活函数ReLU构成;所述最大池化层的卷积核大小为3×3且步长为2;所述平均池化层的卷积核大小为1×1;第1、2个残差块均包含2层卷积核大小为3×3且输出通道为64的卷积;第3、4个残差块均包含2层卷积核大小为3×3且输出通道为128的卷积;第5、6个残差块均包含2层卷积核大小为3×3且输出通道为256的卷积;第7、8个残差块均包含2层卷积核大小为3×3且输出通道为512的卷积;所述解码器网络包含6层,第一层包含一个卷积核大小为4×4的反卷积层以及激活函数ReLU;第二层至第五层均包含一个卷积核大小为4×4的反卷积层,归一化层以及激活函数ReLU;第六层包含一个卷积核大小为4×4的反卷积层以及激活函数Tanh;第一层至第六层的输出通道数依次为512,384,192,96,64,3;所述判别器网络包含6层,第一层包括一个卷积核大小为4×4且步长为2的卷积层以及激活函数LeakyReLU;第二层至第五层均由一个卷积核大小为4×4且步长为2的卷积层、归一化层以及激活函数ReLU构成;第六层由一个卷积核大小为4×4且步长为1的卷积层以及激活函数Sigmoid构成。

全文数据:

权利要求:

百度查询: 河南大学 基于改进的变分自编码器网络的布匹缺陷图像生成系统及方法

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。