(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210672994.6 (22)申请日 2022.06.15 (71)申请人 雅马哈发动机 （厦门） 信息系统有限 公司 地址 361000 福建省厦门市软件园三期凤 岐路200号 (72)发明人 林杰　严昀　傅嬿　洪欣　 (74)专利代理 机构 厦门仕诚联合知识产权代理 事务所(普通 合伙) 35227 专利代理师 蔡稷元 (51)Int.Cl. G06T 11/00(2006.01) G06V 10/40(2022.01) G06V 10/74(2022.01) G06N 3/08(2006.01) (54)发明名称 基于对抗学习的图像生成方法、 装置、 设备 及存储介质 (57)摘要 本申请涉及图像信息处理技术领域， 本申请 提供一种基于对抗学习的图像生成方法、 装置、 设备及存储介质， 所述方法基于预设摩托车图像 数据集以及对抗学习算法， 对预设模型进行训 练， 生成摩托车图像生成模型； 通过所述摩托车 图像生成模型， 生成目标摩托车图像对应的相似 摩托车图像。 通过上述方式， 本发明基于摩托车 图像生成模型将用户输入的目标摩托车图像转 换为相似摩托车图像， 由此即可自动生成融合原 本摩托车图像特征的相似摩托车图片， 解决了图 像生成效率低以及用户体验差的问题。 权利要求书2页 说明书7页 附图3页 CN 115222836 A 2022.10.21 CN 115222836 A 1.一种基于对抗学习的图像生成方法， 其特征在于， 所述基于对抗学习的图像生成方 法包括以下步骤： 基于预设摩托车图像数据集以及对抗学习算法， 对预设模型进行训练， 生成摩托车图 像生成模型； 通过所述摩托车图像生成模型， 生成目标摩托车图像对应的相似摩托车图像。 2.如权利要求1所述的基于对抗学习的图像生成方法， 其特征在于， 所述通过所述摩托 车图像生成模型， 生成目标摩托车图像对应的相似摩托车图像， 包括： 通过所述摩托车图像生成模型， 对所述目标摩托车图像进行特征提取， 获得所述目标 摩托车图像的目标图像特征， 其中， 所述目标图像特征包括目标风格特征、 目标 纹理特征和 目标外观特 征； 通过所述摩托车图像生成模型将所述目标风格特征、 目标纹理特征和目标外观特征进 行解码， 生成与所述目标摩托车图像中摩托车的风格、 纹理和外观相似的图像， 作为所述相 似摩托车图像。 3.如权利要求1所述的基于对抗学习的图像生成方法， 其特征在于， 所述通过所述摩托 车图像生成模型， 生成目标摩托车图像对应的相似摩托车图像， 包括： 基于所述摩托车图像生成模型， 对所述目标摩托车图像进行风格特征提取， 生成目标 风格图像特 征； 通过所述摩托车图像生成模型将所述目标风格图像特征进行解码， 生成与 所述目标摩 托车图像中摩托车的风格相似的图像， 作为所述相似摩托车图像。 4.如权利要求1所述的基于对抗学习的图像生成方法， 其特征在于， 所述通过所述摩托 车图像生成模型， 生成目标摩托车图像对应的相似摩托车图像， 包括： 基于所述摩托车图像生成模型， 对所述目标摩托车图像进行纹理特征提取， 生成目标 纹理图像特 征； 通过所述摩托车图像生成模型将所述目标纹理图像特征进行解码， 生成与 所述目标摩 托车图像中摩托车的纹 理相似的图像， 作为所述相似摩托车图像。 5.如权利要求1所述的基于对抗学习的图像生成方法， 其特征在于， 所述通过所述摩托 车图像生成模型， 生成目标摩托车图像对应的相似摩托车图像， 包括： 基于所述摩托车图像生成模型， 对所述目标摩托车图像进行外观特征提取， 生成目标 外观图像特 征； 通过所述摩托车图像生成模型将所述目标外观图像特征进行解码， 生成与 所述目标摩 托车图像中摩托车的外观相似的图像， 作为所述相似摩托车图像。 6.权利要求1 ‑5中任一项所述的基于对抗学习的图像生成方法， 其特征在于， 所述摩托 车图像生成模型包括生成器、 判别器和特征提取器； 所述基于预设摩托车图像数据集以及 对抗学习算法， 对预设模型进行训练， 生成摩托车图像生成模型， 包括： 收集不同的摩托车图像， 作为所述摩托车图像数据集； 从所述摩托车图像数据集中随机采样一张摩托车图像作为训练摩托车图像， 并基于所 述特征提取器提取所述训练摩托车图像的第一图像特征向量， 输出所述训练摩托车图像第 一图像特 征向量； 将所述第一图像特征向量， 输入所述生成器， 并通过所述生成器中各层神经元计算输权　利　要　求　书 1/2 页 2 CN 115222836 A 2出预测摩托车图像； 通过所述特征提取器， 提取所述预测摩托车图像的第二图像特征向量， 输出所述第二 图像特征向量； 将预设标准图像特征向量与所述第二图像特征向量作为一对特征向量输入所述判别 器， 输出所述第二图像特 征向量被识别为所述预设标准图像特 征向量的概 率； 在所述概率不小于预设值时， 完成所述预设模型的训练， 生成摩托车图像生成模型。 7.如权利要求6所述的基于对抗学习的图像生成方法， 其特征在于， 所述将预设标准图 像特征向量与所述第二图像特征向量作为一对 特征向量输入所述判别器， 输出所述第二特 征向量被识别为所述预设标准图像特 征向量的概 率之后， 还 包括： 在所述概率小于预设值时， 设置循环协调损 失函数， 采用循环计算的方式不断迭代双 方特征向量的损失， 采用反向传播计算网络权重梯度并更新所述对抗学习的图像生成模型 参数， 直到所述概率不小于所述预设值， 则停止所述摩托车图像生成模型的训练， 生成摩托 车图像生成模型。 8.一种基于对抗学习的图像生成装置， 其特征在于， 所述基于对抗学习的图像生成装 置包括： 图像模型生成模块， 用于基于预设摩托车图像数据集以及对抗学习算法， 对预设模型 进行训练， 生成摩托车图像生成模型； 相似图像生成模块， 用于通过所述摩托车图像生成模型， 生成目标摩托车图像对应的 相似摩托车图像。 9.一种基于对抗学习的图像生成设备， 其特征在于， 所述基于对抗学习的图像生成设 备包括处理器、 存储器、 以及存储在所述存储器上并可被所述处理器执行 的基于对抗学习 的图像生成程序， 其中所述基于对抗学习的图像生成程序被所述处理器执行时， 实现如权 利要求1至7中任一项所述的基于对抗学习的图像生成方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有基于对 抗学习的图像生成程序， 其中所述基于对抗学习的图像生成程序被处理器执行时， 实现如 权利要求1至7中任一项所述的基于对抗学习的图像生成方法的步骤。权　利　要　求　书 2/2 页 3 CN 115222836 A 3