公开(公告)号：CN116109719A

公开(公告)日：2023-05-12

申请号：CN202211607479.6

申请日：2022-12-14

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 陈志勇

IPC: G06T11/00 ,  G06V10/74 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/0895

Abstract: 该发明公开了一种基于结构化网络先验知识的公平可控图像生成方法，属于计算机视觉领域。在第一阶段，设计结构化先验知识引导损失，为编码器网络提供良好的初始化参数，使得编码器在正式训练之前便具备对真实图像表征的差异化表示能力，为编码器对真实图像数据更为全面的覆盖提供了方向指引与初始保证。在第二阶段，使用经过结构化先验知识引导后的良好编码器，为生成对抗网络提供属性控制约束，并通过辅助相似性损失保证编码器所学习到的真实图像表征提取能力的可持续性。此外，本发明提出使用更高的特征维度与线性层批规范化策略，进一步提升了模型的表征提取能力；显著改善了模型在图像生成过程中的公平性，同时提升了模型的属性控制准确性。

公开(公告)号：CN116227572A

公开(公告)日：2023-06-06

申请号：CN202310239866.7

申请日：2023-03-14

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 陈志勇 ,  赵江伟

IPC: G06N3/08 ,  G06V10/762 ,  G06N3/0475 ,  G06N3/094

Abstract: 该发明公开了一种基于对比约束的解耦图像生成方法，属于计算机视觉领域。首先对训练图像进行归一化，用以模型的训练。该发明通过分析原有无监督解耦生成对抗网络方法的缺陷，提出基于对比解耦约束的新模型，通过约束共享同一特定噪声对应生成图像之间的相似性与非相同特定噪声图像之间的不相似性，实现了更加优秀的无监督解耦图像生成。此外，该发明结合现实场景的需求，提出少标签引导策略，在不改变原有理论框架的情况下，对发明内容进行了进一步的简易拓展，在利用不超过1％的额外标签的情况下，大幅提升了模型的解耦效果。

公开(公告)号：CN113988154A

公开(公告)日：2022-01-28

申请号：CN202111133017.0

申请日：2021-09-27

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 陈志勇

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 该发明公开了一种基于不变信息蒸馏的无监督解耦图像生成方法，属于计算机视觉领域。首先对训练图像进行归一化，从正态分布与均匀分布中分别采样噪声，并进行拼接以获得混合噪声。通过参数和细节的调整，使得新网络能够适用于解耦图像生成任务。此外，基于信息不变蒸馏思想，为编码器引入额外无监督信息，以进行更加充分的聚类，使得编码器在无监督条件下对图像类别具有更准确的分辨能力，并为生成器提供更加正确的类别信息，从而提升了生成对抗网络的解耦生成效果。本发明提出的基于不变信息蒸馏的聚类方案，可显著提升生成对抗网络的解耦图像生成水平，同时提升了现有方法的图像生成质量。

公开(公告)号：CN114494489A

公开(公告)日：2022-05-13

申请号：CN202210006607.5

申请日：2022-01-05

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 陈志勇

IPC: G06T11/00 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 该发明公开了一种基于深度孪生网络的自监督属性可控图像生成方法，属于计算机视觉图像生成领域。该发明基于孪生网络思想，以余弦相似度作为距离度量方法，约束同一图像的两个增强样本之间的相似性，并使用梯度停止策略进一步稳定网络训练过程，从而为孪生编码器网络提供真实数据中类别属性的差异化表示，并将学习到的类别表示用于图像生成过程，诱导生成器实现类别属性控制，同时删除其他方法中常用的均方差损失，降低模型优化难度。该发明所提出的基于深度孪生网络的自监督属性控制方案，可显著提升生成对抗网络的类别属性控制生成水平，同时提升现有方法的图像生成质量，并通过更少的约束和更短的训练时间实现更加优秀的效果。