吴巍

(中海油能源发展装备技术有限公司， 天津 300452)

0 引言

随着人工智能的兴起，计算机视觉迎来了新的关注度[1-3]。随着机器学习在视觉处理中的应用的不断深入，图像生成已经成为计算机视觉和人工智能领域的一个热门研究课题[4-6]。如何让计算机自主创作一副图像。如何让计算机创作的图像更接近人类画作。这些都是图像创作中的问题。目前现有的方法是通过让计算机学习大量的样本，来模拟人类创作。但由于大量样本的学习势必会耗费更多运算时间[7]。虽然生成性对抗网络(Generative Adversarial Networks，GAN)可以从一组样本中学习，并生成模仿训练样本的新图像[8-9],然而，需要一个大的训练数据集来训练稳定的GAN。此外，生成的图像分辨率通常受到计算资源的限制。为此，本研究探讨了如何通过小样本进行图像创作，这项工作的重点是通过学习一个非常小的数据集来创建卡通图像。该方法的核心主要是基于VGG-16网络以及改进的自组织映射(Self Organizing Maps，SOM)算法——两层同时自组织映射(Simultaneous Two-Level Self Organizing Maps，S2L-SOM)算法。并且该方法无需进行人工手工标注。

1 框架概述

提出的框架如图1所示。

图1 提出的框架流程示意图

该系统以区域边界清晰的卡通图像为输入。

如图1所示，系统分析输入图像的区域,构造了一个区域关系树来描述每个图像中区域的拓扑结构。由于在此没有对训练图像进行人工标注，因此系统没有每个区域的语义信息。例如，系统不知道哪些区域对应于身体区域、头部区域和腿部区域,因此，对所有训练图像进行聚类以将相似区域组合在一起。……