基于亞像素卷積的改進(jìn)型CycleGAN手寫漢字生成研究

徐遠(yuǎn)純?施明勇

摘 要 漢字字體研究是計算機(jī)視覺重要的研究方向，利用pix2pix生成對抗網(wǎng)絡(luò)對手寫漢字字體風(fēng)格遷移需要大量的匹配漢字圖像，CycleGAN進(jìn)行風(fēng)格遷移雖然不需要成對的匹配數(shù)據(jù)訓(xùn)練數(shù)據(jù)，但是生成的漢字字體存在模糊、缺失等現(xiàn)象。為了解決以上問題，本文利用改進(jìn)的循環(huán)一致性生成對抗網(wǎng)絡(luò)來實現(xiàn)手寫字體圖像的風(fēng)格遷移，生成質(zhì)量較高的手寫漢字字體。改進(jìn)的CycleGAN采用超分辨網(wǎng)絡(luò)中的亞像素卷積來代替原始CycleGAN中的轉(zhuǎn)置卷積，用PReLU激活函數(shù)代替ReLU激活函數(shù)，引入圖像正則TV loss來改善生成漢字的結(jié)構(gòu)和筆畫完整。改進(jìn)后的CycleGAN提高了風(fēng)格遷移的手寫漢字圖像分辨率，降低了手寫漢字字體的錯誤率，改善了生成手寫漢字字體的辨識度。

關(guān)鍵詞 手寫漢字風(fēng)格遷移;CycleGAN;亞像素卷積;TV loss

引言

漢字字體生成在深度學(xué)習(xí)中有較多的研究，早期主要運用卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)漢字字體之間的映射，隨著生成對抗網(wǎng)絡(luò)的興起，漢字字體的研究重心放在了生成對抗網(wǎng)絡(luò)上。

基于編碼-解碼的卷積神經(jīng)網(wǎng)絡(luò)完成了漢字字體的生成，當(dāng)是這種網(wǎng)絡(luò)只能一對一的重建，人們無法對編碼進(jìn)行合理的修改，使得編碼只有解碼能“懂”，生成的漢字字體也很模糊。

基于生成對抗網(wǎng)絡(luò)的漢字字體生成，2017年zi2zi被提出[1]，運用于漢字字體風(fēng)格遷移。zi2zi是基于Pix2Pix[2]進(jìn)行改進(jìn)。是漢字字體風(fēng)格遷移較為成功的算法。但是zi2zi需要成對的大量的漢字字體作為訓(xùn)練。

基于CycleGAN的漢字字體風(fēng)格遷移，2018年Chang B等人提出運用CycleGAN來實現(xiàn)手寫漢字字體風(fēng)格遷移[3]。但是，較少的漢字字體圖像會使得模型學(xué)習(xí)到的字體風(fēng)格有限，降低了模型的過擬合也降低了模型的泛化能力。

手寫漢字字體風(fēng)格遷移比標(biāo)準(zhǔn)字體風(fēng)格更具難度，由于手寫漢字字體結(jié)構(gòu)復(fù)雜，筆畫雜亂，連筆較多，導(dǎo)致一個人的手寫漢字字體很難有統(tǒng)一的標(biāo)準(zhǔn)風(fēng)格。針對上述漢字字體圖像風(fēng)格存在的問題，本文提出利用改進(jìn)的CycleGAN來對手寫漢字字體進(jìn)行風(fēng)格遷移，實驗結(jié)果證明，模型能夠生成結(jié)構(gòu)更為完整，筆畫更加清晰的手寫漢字字體。

1改進(jìn)的循環(huán)一致性生成對抗網(wǎng)絡(luò)

1.1 CycleGAN

監(jiān)督學(xué)習(xí)的風(fēng)格遷移，需要將數(shù)據(jù)整理成對稱的數(shù)據(jù)，這樣的方式會浪費一些不對稱的數(shù)據(jù)和需要耗費大量的整理時間。運用無監(jiān)督學(xué)習(xí)的循環(huán)一致性生成對抗網(wǎng)絡(luò)CycleGAN解決了監(jiān)督學(xué)習(xí)中存在問題。CycleGAN含有一對生成網(wǎng)絡(luò)，一個用于標(biāo)準(zhǔn)漢字字體到風(fēng)格漢字字體的映射，一個用于風(fēng)格漢字字體到標(biāo)準(zhǔn)漢字字體的映射，并且含有分別對其判定的判別網(wǎng)絡(luò)。

生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)之間的損失函數(shù)公式如下：

其中：為數(shù)學(xué)期望，為服從關(guān)系，為手寫漢字字體分布，為標(biāo)準(zhǔn)漢字字體分布，生成網(wǎng)絡(luò)G為標(biāo)準(zhǔn)漢字字體到風(fēng)格漢字字體的映射，為正向映射;生成網(wǎng)絡(luò)F為風(fēng)格漢字字體到標(biāo)準(zhǔn)漢字字體的映射，為反向映射，判別網(wǎng)絡(luò)。為判別真實風(fēng)格漢字字體和通過標(biāo)準(zhǔn)漢字字體生成的漢字字體的真假，判別網(wǎng)絡(luò)為判別風(fēng)格漢字字體和生成的標(biāo)準(zhǔn)漢字字體的真假。

CycleGAN中為了加強(qiáng)生成網(wǎng)絡(luò)正向映射和反向映射之間了聯(lián)系，引入了循環(huán)一致性損失函數(shù)，增強(qiáng)了生成的漢字字體為對方風(fēng)格。X與F（G（X），Y與F（G（Y））的距離就稱為Cycle-consistency Loss。

將Cycle-consistency Loss思想引入CycleGAN中，在CycleGAN中使用的是L1范數(shù)。公式如下：

將公式（1），（2），（3）聯(lián)立，得到CycleGAN的目標(biāo)函數(shù)：

其中為調(diào)整Cycle-consistency Loss在目標(biāo)函數(shù)中的權(quán)重。

1.2 改進(jìn)CycleGAN

在編碼器和轉(zhuǎn)換器網(wǎng)絡(luò)中用InstanceNorm[4]代替Batch Normalization[5]，Batch Normalization降低了網(wǎng)絡(luò)的訓(xùn)練難度，加快了網(wǎng)絡(luò)的收斂速度。Batch Normalization是對每一批次圖像進(jìn)行歸一化操作，在分類任務(wù)中表現(xiàn)的較好，分類對于層級信息不敏感，但是在風(fēng)格遷移生成任務(wù)中，需要較多的圖像細(xì)節(jié)信息，而進(jìn)行Batch Normalization會丟失掉大量的細(xì)節(jié)信息，而InstanceNorm是對每一張圖像進(jìn)行歸一化操作，這樣能比Batch Normalization保留更多的細(xì)節(jié)信息。

在原始的CycleGAN中的解碼器網(wǎng)絡(luò)中，上采樣使用可學(xué)習(xí)的亞像素（sub-pixel）卷積[6]代替原始的轉(zhuǎn)置卷積，轉(zhuǎn)置卷積生成的圖像會出現(xiàn)棋盤效應(yīng)，且亞像素卷積的感受視野大于轉(zhuǎn)置卷積的感受視野。因歸一化層會丟失較多的細(xì)節(jié)，在解碼網(wǎng)絡(luò)中，本文將其去掉。

2實驗與結(jié)果分析

本文提出改進(jìn)的CycleGAN使用了1000張黑體和1000張手寫漢字字體，其中手寫漢字字體為HWDB1.1中的HW-1252，字體圖像為128*128的單通道黑白圖像。

網(wǎng)絡(luò)訓(xùn)練將epoch設(shè)置為200，batchsize設(shè)為10，學(xué)習(xí)率設(shè)為0.0002，TV loss前參數(shù)設(shè)置為2e-8，Cycle-consistency Loss前參數(shù)設(shè)置為10。改進(jìn)的CycleGAN訓(xùn)練后輸入黑體得到的圖像和原始CycleGAN得到的漢字圖如圖1，第一列為黑體，第二列為本文改進(jìn)的CycleGAN生成的字體效果，第三列為原始CycleGAN生成的字體效果，第四列為HW-1252手寫漢字風(fēng)格字體。從圖中的兩種CycleGAN生成的效果對比看，本文改進(jìn)的CycleGAN生成的漢字字體結(jié)構(gòu)較為完整，筆畫較清晰，生成的風(fēng)格較為HW-1252相似。CycleGAN中生成的漢字字體出現(xiàn)了些筆畫錯誤和筆畫缺失。

本文改進(jìn)的CycleGAN收斂情況，模型訓(xùn)練了200個epoch，在150個epoch時，loss G、loss G GAN和loss G cycle 接近收斂，訓(xùn)練到200個epoch時，在小范圍波動，損失梯度已很小。

利用HWDB1.1訓(xùn)練數(shù)據(jù)訓(xùn)練開源的TensorFlow與中文手寫漢字識別模型，迭代20萬次，通過HWDB1.1測試數(shù)據(jù)集得到Top-1準(zhǔn)確率為84.6%和Top-3準(zhǔn)確率為93%，選取生成漢字中的樣本進(jìn)行手寫漢字識別測試，“陣”字識別率在原始CycleGAN、本文方法和訓(xùn)練數(shù)據(jù)分別為19.3%、99.6%、99.9%，“輕”為95.7%、99.9%、99.9%，“淑”為52.1%、84.5%、99.9%，“詞”為3.8%、99.7%、99.5%，“致”為19.7%、99.9%、93.9%，平均值為36.1%，96.7%，98.6%。通過比較，得出本文使用的算法能很好地生成出結(jié)構(gòu)較為完整的手寫漢字字體。

3結(jié)束語

本文根據(jù)CycleGAN存在的不足，提出了改進(jìn)的CycleGAN，引入了TV loss來對約束圖像，改用或者不用BatchNormal，來減少丟失漢字圖像的細(xì)節(jié)信息，改用亞像素卷積，使得生成的漢字字體不會出現(xiàn)棋盤格，能生成高質(zhì)量的漢字字體。通過對比原始CycleGAN的生成效果，本文提出的基于亞像素卷積的改進(jìn)型CycleGAN能生成高質(zhì)量的手寫漢字字體。

參考文獻(xiàn)

[1] Y. Tian. zi2zi： Master Chinese calligraphy with conditional adversarial networks[EB/OL]. https：//github.com/kaonashi-tyc/zi2zi，2017-04-06.

[2] Isola P，Zhu J-Y，Zhou T，et al. Image-to-image translation with conditional adversarial networks[C]. Proceedings of the IEEE conference on computer vision and pattern recognition，2017：1125-1134.

[3] Chang B，Zhang Q，Pan S，et al. Generating handwritten chinese characters using cyclegan[C]. 2018 IEEE Winter Conference on Applications of Computer Vision（WACV），2018：199-207.

[4] Ulyanov D，Vedaldi A，Lempitsky V. Instance normalization：The missing ingredient for fast stylization[J]. arXiv preprint arXiv，2016，（22）：1607.

[5] Ioffe S，Szegedy C. Batch normalization：Accelerating deep network training by reducing internal covariate shift[J]. arXiv preprint arXiv，2015，（167）：1502.

[6] Shi W，Caballero J，Huszár F，et al. Real-time single image and video super-resolution using an efficient sub-pixel convolutional neural network[C]. Proceedings of the IEEE conference on computer vision and pattern recognition，2016：1874-1883.