[发明专利]基于感知损失的深度卷积神经网络的草图简化方法有效
申请号: | 201810259452.X | 申请日: | 2018-03-27 |
公开(公告)号: | CN108510456B | 公开(公告)日: | 2021-12-21 |
发明(设计)人: | 徐雪妙;谢敏珊;缪佩琦 | 申请(专利权)人: | 华南理工大学 |
主分类号: | G06T5/00 | 分类号: | G06T5/00;G06N3/04;G06N3/08 |
代理公司: | 广州市华学知识产权代理有限公司 44245 | 代理人: | 李斌 |
地址: | 510640 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了基于感知损失的深度卷积神经网络的草图简化方法,包括步骤:1)数据获取;使用草稿图和对应的标签数据;2)数据处理;将图像数据集的草稿图和对应线稿图通过预处理转化为训练深度卷积神经网络所需要的格式;3)模型构建;根据训练目标,构造出一个适用于草图简化问题的深度卷积神经网络;4)定义损失函数;5)模型训练;根据损失函数计算网络的损失值,再通过反向传播算出各网络层参数的梯度,通过随机梯度下降法更新网络各层的参数;6)模型验证;使用验证数据集验证训练得到的模型,测试其泛化性能。本发明提出的方法,使得草图简化网络能处理杂线更为粗糙,主结构线不明确的草图,对于光照的影响具有较强的鲁棒性。 | ||
搜索关键词: | 基于 感知 损失 深度 卷积 神经网络 草图 简化 方法 | ||
【主权项】:
1.基于感知损失的深度卷积神经网络的草图简化方法,其特征在于,包括下述步骤:1)数据获取;使用草稿图和对应的标签数据,训练深度卷积神经网络需要训练数据,所述标签数据就是人工在草稿图基础上画出的对应线稿图,然后划分为训练数据集以及验证数据集;2)数据处理;将图像数据集的草稿图和对应线稿图通过预处理转化为训练深度卷积神经网络所需要的格式;3)模型构建;根据训练目标以及模型的输入输出形式,构造出一个适用于草图简化问题的深度卷积神经网络;4)定义损失函数;根据训练目标以及模型的架构,定义出所需的损失函数;5)模型训练;初始化各层网络的参数,不断迭代输入训练样本,根据损失函数计算得到网络的损失值,再通过反向传播计算出各网络层参数的梯度,通过随机梯度下降法对各层网络的参数进行更新;6)模型验证;使用验证数据集对训练得到的模型进行验证,测试其泛化性能。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学,未经华南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810259452.X/,转载请声明来源钻瓜专利网。
- 上一篇:一种激光照射器图像融合方法及系统
- 下一篇:图像矫正方法、装置、显示设备