基于风格迁移的声呐仿真图像生成方法、系统及介质.pdf
雨巷****轶丽
亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于风格迁移的声呐仿真图像生成方法、系统及介质.pdf
本发明公开了一种基于风格迁移的声呐仿真图像生成方法、系统及介质,其中方法包括:根据真实声呐图像中所包含的目标物体类别,以卫星遥感图像为输入,对卫星遥感图像进行识别,识别出与目标物体类别相同的识别物,对识别物所在范围进行标记;对经过识别并标记的卫星遥感图像进行图像分割,以目标物体类别为分类,构建卫星子图像数据集;构建风格迁移网络,以真实的声呐图像作为风格图像,对分割后的卫星子图像进行风格迁移,生成声呐仿真图像,以作为训练样本图像。本发明基于遥感卫星图像,使用风格迁移网络,获得模拟的声呐图像,能够有效扩充声呐
基于风格迁移的图像生成方法、系统、设备及存储介质.pdf
本发明提供了一种基于风格迁移的图像生成方法、系统、设备及存储介质,该方法包括:采集需要风格迁移的内容图像和对应不同风格的风格图像;将所述风格图像和所述需要风格迁移的内容图像分别输入图像生成模型的编码网络,得到风格图像编码和内容图像编码;将所述风格图像编码和所述内容图像编码输入所述图像生成模型的解码网络,得到风格迁移后的生成图像。本发明基于图像风格迁移技术,建立全新的图像生成模型,能够实现轻量级、快速的图像不同时段下重新渲染的图像生成任务,解决了单一场景下,图像单一的情况,实现在不同时段光照条件下,生成高分
一种仿真声呐图像生成方法.pdf
本发明涉及一种仿真声呐图像生成方法,该方法首先对CycleGAN网络进行改进,包括对生成器G和生成器F的输入输出图像,分别使用Otsu算法和Unet网络进行分割,并将分割结果融合,根据正向生成器G和反向生成器F输入输出的融合图像计算SSIM损失,将其加入到CycleGAN网络生成器损失中;然后利用简易声呐仿真图像和真实声呐图像进行训练,并用训练好的改进CycleGAN网络生成风格化仿真声呐图像;使用改进的CycleGAN网络生成仿真声呐图像,可减小仿真图像与真实图像在结构、边缘特征等方面的差异,从而保证仿
基于多模态语义匹配的图像风格迁移系统及方法.pdf
本发明揭示了一种基于多模态语义匹配的图像风格迁移系统及方法,包括内容图像输入模块、风格信息输入模块、风格图像向量库、文本图像检索模块、图像风格迁移模块和结果输出模块。本发明提供的多模态语义匹配的图像风格迁移系统及方法,实现了支持文本驱动和图像驱动两种模态数据提供风格信息的图像风格迁移,在图像风格迁移模块中利用注意力机制和插值操作逐渐调整风格图像特征分布与内容图像特征分布对齐,使得最终的风格化结果的内容语义区域和风格语义区域是相互匹配的,在保证风格化结果内容结构完整性的同时获得更好的风格化效果。
图像风格迁移方法和系统.pdf
本申请是关于一种图像风格迁移方法、图像风格迁移系统、电子设备和非临时性计算机可读存储介质。图像风格迁移方法包括:获取风格图片以及第一内容图片;第一神经网络对所述第一内容图片进行风格迁移以得到第二内容图片;第二神经网络基于损失函数计算所述第二内容图片与所述第一内容图片之间以及所述第二内容图片与所述风格图片之间的损失;根据所述损失优化所述第一神经网络;基于优化的所述第一神经网络对给定的第三内容图片进行风格迁移以得到第四内容图片,实现实时的风格迁移,在提高风格迁移的速度的同时最大程度保留内容图片的真实细节。