一种基于StyleGAN2与CLIP的限速交通标志伪装样本生成方法和系统

本发明公开了一种基于StyleGAN2和CLIP的限速交通标志伪装样本生成方法，其结合StyleGAN2生成对抗网络和CLIP模型，通过引入多目标损失优化框架，实现对限速交通标志伪装样本的高效生成。StyleGAN2提供了强大的图像生成能力，可通过其潜变量空间生成高质量的限速交通标志样本；CLIP模型通过其语义理解能力提供指导，帮助StyleGAN2生成对抗网络优化图像生成过程，使生成的伪装样本在视觉上与限速交通标志的关键特征保持一致，同时符合目标语义描述文本s，从而确保生成的伪装样本的语义一致性；本发明提出的伪装样本生成方法包含语义约束、潜变量优化和多损失融合三个核心模块，语义约束模块利用CLIP模型定义生成的伪装样本与目标语义描述文本s的语义相似性。