【技术实现步骤摘要】
本专利技术属于图像生成，具体涉及一种根据用户需求的非遗图像生成方法。
技术介绍
1、非物质文化遗产是指各族人民世代相传，并视为其文化遗产组成部分的各种传统文化表现形式，以及与传统文化表现形式相关的实物和场所,强调以人为核心的技艺、经验、精神，是活态流变的文化遗产，不依赖于物质形态而存在，更多地体现在人的行为、表演、传统工艺、社会实践等方面,非物质文化遗产是民族个性、民族审美习惯的“活”的显现，对于传承民族文化、维护文化多样性具有重要意义。
2、近几年，深度学习技术，尤其是gan生成对抗网络和cnn卷积神经网络，在图像生成领域取得了突破性进展。gan擅长从噪声数据或特定条件下生成高质量的图像，而cnn卷积神经网络可以从大量数据中提取有用的视觉特征，用于图案分析和生成。这些技术可以用于从传统图案中提取几何结构、色彩搭配等信息，从而进行高效的自动生成与优化。
3、传统非遗图案的设计和制作过程通常依赖于手工，存在耗时长、难以批量生产且难以灵活调整的问题。此外，传统手工艺无法满足当代设计中日益增长的个性化需求。通过深度学习技术对非遗图案进行自动生成和设计优化，可以提高图案设计的效率，确保文化元素的传承，同时满足现代设计中的个性化和创新需求。这种自动生成的过程不仅能够增强非遗图案的传承，还可以将其与现代艺术设计相结合，形成更多具有时代特色的作品。
技术实现思路
1、本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种根据用户需求的非遗图像生成方法，其结构简
2、为解决上述技术问题，本专利技术采用的技术方案是：一种根据用户需求的非遗图像生成方法，其特征在于：包括以下步骤：
3、步骤一、训练生成对抗网络：
4、s11.构建生成对抗网络，生成对抗网络包括生成器g、判别器d1和判别器d2，设置生成对抗网络的训练初始参数；
5、s12.获取样本集：样本集包括非遗图像集f、用户需求集x；
6、s13.合并非遗图像集f中的第一图像和用户需求集x中的第二图像，获得第三图像的特征编码信息；
7、s14.将第三图像的特征编码信息输入生成器，生成器输出新非遗图案；
8、s15.将新非遗图案分别输入判别器d1和判别器d2，判别器d1输出判别新非遗图案属于第一图像的概率p1，判别器d1输出判别新非遗图案属于第二图像的概率p2，若p1>p2,更新生成器g的训练参数，进入步骤s16；否则更新生成器g的训练参数，返回步骤s13；
9、s16.计算总损失dplus，更新判别器d1和判别器d2的训练参数；
10、s17.重复步骤s13-步骤s16，直至生成对抗网络损失收敛，结束迭代，得到训练好的生成对抗网络；
11、步骤二、建立需求映射表，需求映射表中包含多个键值对，每个键值对的值存储携带其相应键的关键词相对应的特征编码信息；
12、步骤三、生成基于用户需求的非遗图像：
13、s31.获取用户需求，用户需求包括原始图像和自然语言形式的设计需求；
14、s32.获取设计需求对应的关键词，根据关键词在需求映射表中查询特征编码信息；
15、s33.生成原始图像的特征编码信息；
16、s34.合并步骤s32和步骤s33的特征编码信息，获得合并特征编码信息；
17、s35.将合并特征编码信息输入训练好的生成对抗网络，训练好的生成对抗网络输出基于用户需求的非遗图像。
18、上述的一种根据用户需求的非遗图像生成方法，其特征在于：还包括步骤四：
19、s41.对基于用户需求的非遗图像进行美学分类，若基于用户需求的非遗图像属于低美学质量，则进入步骤s42，否则进入步骤s43；
20、s42.合并步骤s32的特征编码信息、步骤s33的特征编码信息和随机的噪声编码信息，获得合并特征编码信息；合并特征编码信息输入训练好的生成对抗网络，重新生成基于用户需求的非遗图像；
21、s43.输出基于用户需求的非遗图像。
22、上述的一种根据用户需求的非遗图像生成方法，其特征在于：美学分类是基于二分类模型进行的，二分类模型的样本集为基于非遗图案的二分类样本集。
23、上述的一种根据用户需求的非遗图像生成方法，其特征在于：s13的具体方法为：
24、s131.非遗图像集f包括k类具有标签的图像；用户需求集x包括r类与预设的用户需求对应的图像，k和r均为大于1的正整数；
25、s132.在非遗图像集f中随机选择一个类h，在该类h中随机选择一个图像，作为第一图像；在用户需求集x中随机选择一个类t，在该类t中随机选择一个图像，作为第二图像；
26、s133.合并第一图像和第二图像，获得第三图像的特征编码信息，1≤h≤k，1≤t≤r。
27、上述的一种根据用户需求的非遗图像生成方法，其特征在于：s15中的具体方法为：将新非遗图案分别输入判别器d1和判别器d2，判别器d1输出判别新非遗图案属于类h的概率p1，判别器d1输出判别新非遗图案属于类t的概率p2，若p1>p2,更新生成器g的训练参数，进入步骤s16；否则更新生成器g的训练参数，返回步骤s13。
28、上述的一种根据用户需求的非遗图像生成方法，其特征在于：非遗图像集f至少包括纹样、人物、织物、年画、色彩、时代、主题、形制6个类。
29、上述的一种根据用户需求的非遗图像生成方法，其特征在于：dplus＝α·d1+(1-α)·d2，其中α表示权重，d1表示判别器d1的损失，d2表示判别器d2的损失，α＞0.5。
30、上述的一种根据用户需求的非遗图像生成方法，其特征在于：需求映射表包括多个类别的映射子表，映射子表的类别与用户需求表x的类别对应。
31、上述的一种根据用户需求的非遗图像生成方法，其特征在于：若根据设计需求的键字段在需求映射表中查询得到多个值字段，则首先对多个值字段对应的合并图像进行加权合并，权重随机赋予，然后再和原始图像的特征编码信息进行合并。
32、上述的一种根据用户需求的非遗图像生成方法，其特征在于：第三图像通过clip模型的图像编码器被转换为特征编码信息。
33、本专利技术与现有技术相比具有以下优点：
34、1、本专利技术的结构简单、设计合理，实现及使用操作方便。
35、2、本专利技术的生成对抗网络有两个判别器，判别器d1和判别器d2分别对生成的新非遗图案进行双向评估，确保生成的新非遗图案在两个方向上都能与真实数据相匹配，提升了生成的新非遗图案的准确性。
本文档来自技高网...
【技术保护点】
1.一种根据用户需求的非遗图像生成方法，其特征在于：包括以下步骤：
2.按照权利要求1所述的一种根据用户需求的非遗图像生成方法，其特征在于：还包括步骤四：
3.按照权利要求2所述的一种根据用户需求的非遗图像生成方法，其特征在于：美学分类是基于二分类模型进行的，二分类模型的样本集为基于非遗图案的二分类样本集。
4.按照权利要求1所述的一种根据用户需求的非遗图像生成方法，其特征在于：S13的具体方法为：
5.按照权利要求4所述的一种根据用户需求的非遗图像生成方法，其特征在于：S15中的具体方法为：将新非遗图案分别输入判别器D1和判别器D2，判别器D1输出判别新非遗图案属于类h的概率p1，判别器D1输出判别新非遗图案属于类t的概率p2，若p1>p2,更新生成器G的训练参数，进入步骤S16；否则更新生成器G的训练参数，返回步骤S13。
6.按照权利要求1或5所述的一种根据用户需求的非遗图像生成方法，其特征在于：非遗图像集F至少包括纹样、人物、织物、年画、色彩、时代、主题、形制6个类。
7.按照权利要求1所述的一
8.按照权利要求1所述的一种根据用户需求的非遗图像生成方法，其特征在于：需求映射表包括多个类别的映射子表，映射子表的类别与用户需求表X的类别对应。
9.按照权利要求1或8所述的一种根据用户需求的非遗图像生成方法，其特征在于：若根据设计需求的键字段在需求映射表中查询得到多个值字段，则首先对多个值字段对应的合并图像进行加权合并，权重随机赋予，然后再和原始图像的特征编码信息进行合并。
10.按照权利要求1所述的一种根据用户需求的非遗图像生成方法，其特征在于：第三图像通过CLIP模型的图像编码器被转换为特征编码信息。
...【技术特征摘要】
1.一种根据用户需求的非遗图像生成方法，其特征在于：包括以下步骤：
2.按照权利要求1所述的一种根据用户需求的非遗图像生成方法，其特征在于：还包括步骤四：
3.按照权利要求2所述的一种根据用户需求的非遗图像生成方法，其特征在于：美学分类是基于二分类模型进行的，二分类模型的样本集为基于非遗图案的二分类样本集。
4.按照权利要求1所述的一种根据用户需求的非遗图像生成方法，其特征在于：s13的具体方法为：
5.按照权利要求4所述的一种根据用户需求的非遗图像生成方法，其特征在于：s15中的具体方法为：将新非遗图案分别输入判别器d1和判别器d2，判别器d1输出判别新非遗图案属于类h的概率p1，判别器d1输出判别新非遗图案属于类t的概率p2，若p1>p2,更新生成器g的训练参数，进入步骤s16；否则更新生成器g的训练参数，返回步骤s13。
6.按照权利要求1或5所述的一种根据用户需求的非遗图...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。