基于自适应生成对抗网络的中文字体风格迁移方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114139495A(43)申请公布日2022.03.04(21)申请号202111429305.0(22)申请日2021.11.29(71)申请人合肥高维数据技术有限公司地址230088安徽省合肥市高新区创新大道2800号创新产业园J2栋C座(72)发明人田辉刘其开郭玉刚张志翔(51)Int.Cl.G06F40/109(2020.01)G06K9/62(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书5页附图2页(54)发明名称基于自适应生成对抗网络的中文字体风格迁移方法(57)摘要本发明特别涉及一种基于自适应生成对抗网络的中文字体风格迁移方法，包括如下步骤：S100、训练能够分离字体内容和风格的编码器；S200、根据训练好的编码器，构建所训练字体类别的风格特征仓库；S300、构建自适应生成对抗网络优化训练；S400、将待迁移的字体样本输入训练好的编码器生成的特征图、将迁移目标信息输入风格特征仓库生成目标字体风格特征图，并将两个特征图融合之后输入到训练好的解码器中即可生成目标字体样本。在生成目标字体的其他文字时，是通过待迁移字体的内容特征和目标字体的风格特征所融合而成的，因此迁移效果非常好。CN114139495ACN114139495A权利要求书1/3页1.一种基于自适应生成对抗网络的中文字体风格迁移方法，其特征在于：包括由编码器和解码器构成的生成器，包括如下步骤：S100、训练能够分离字体内容和风格的编码器；S200、根据训练好的编码器，构建所训练字体类别的风格特征仓库；S300、构建自适应生成对抗网络优化训练；S400、将待迁移的字体样本输入训练好的编码器生成的特征图、将迁移目标信息输入风格特征仓库生成目标字体风格特征图，并将两个特征图融合之后输入到训练好的解码器中即可生成目标字体样本。2.如权利要求1所述的基于自适应生成对抗网络的中文字体风格迁移方法，其特征在于：所述的步骤S100中，包括如下步骤：S110、构建编码器和解码器框架并初始化编码器和解码器的网络参数；S120、将编码器的输出特征图分为表示字体内容的第一特征图和表示字体风格的第二特征图；S130、将两个特征图融合后输入到解码器中，根据解码器的输出计算重构损失；S140、将第二特征图通过多个1×1卷积降维和全局平均池化操作后得到一维特征向量，对一维特征向量进行softmax分类得到字体分类的概率分布并据此计算字体分类损失；S150、准备多种字体类型的数据构成第一训练集；S160、利用第一训练集对编码器和解码器进行训练，训练时的损失函数由重构损失和分类损失叠加而成。3.如权利要求2所述的基于自适应生成对抗网络的中文字体风格迁移方法，其特征在于：所述的步骤S200中，准备目标字体常见偏旁部首的中文字输入至训练好的编码器中，并将其输出的多个一维特征向量保存得到字体风格特征仓库，字体风格特征仓库具有两个维度分别为样本集大小、表示每个样本字体风格的一维特征向量。4.如权利要求3所述的基于自适应生成对抗网络的中文字体风格迁移方法，其特征在于：所述的步骤S300中，包括如下步骤：S310、将待迁移字体常见偏旁部首的中文字输入训练好的编码器中得到表示字体内容的第一特征图和表示字体风格的第二特征图；S320、引入自适应权值向量与目标字体的字体风格特征二维矩阵相乘得到表征该目标字体风格的一维特征向量，对该一维特征向量进行上采样得到表征目标字体风格的第三特征图；S330、将步骤S310和步骤S320得到的第一特征图、第二特征图以及第三特征图进行融合后输入至解码器中生成目标字体的伪样本，并根据伪样本计算生成器的重构损失；S340、将目标字体的伪样本和真实样本输入至鉴别器中，并根据鉴别结果计算对抗损失；S350、准备待迁移字体和目标字体常见偏旁部首的中文字构成第二训练集；S360、固定编码器的网络参数，利用第二训练集对解码器和自适应权值向量进行训练，训练时的损失函数由重构损失和对抗损失叠加而成。5.如权利要求4所述的基于自适应生成对抗网络的中文字体风格迁移方法，其特征在于：所述的步骤S400中，包括如下步骤：2CN114139495A权利要求书2/3页S410、将待迁移字体的任一中文字输入训练好的编码器中得到表示该字体内容的第一特征图和表示字体风格的第二特征图；S420、将表征目标字体风格的第三特征图和步骤S410中的第一特征图、第二特征图进行融合后输入至训练好的解码器中即可生成对应的目标字体中文字。6.如权利要求5所述的基于自适应生成对抗网络的中文字体风格迁移方法，其特征在于：所述的步骤S200中，目标字体有多个，字体风格特征仓库具有三个维度且第三个