基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
图像修复作为深度学习领域的一个研究热点,在人们现实生活中有着重要的意义.现有图像修复算法存在各种问题,导致视觉上无法达到人们的要求.针对现有图像修复算法精确度低、视觉一致性差以及训练不稳定等缺陷,提出了一种基于生成式对抗网络(GAN)模型的图像修复算法.该算法主要对判别器的网络结构进行改进,在全局判别器和局部判别器的基础上引入多尺度判别器.多尺度判别器在不同分辨率的图像上进行训练,不同尺度的判别器具有不同的感受野,能够引导生成器生成更全局的图像视图以及更精细的细节.针对GAN训练中经常出现的梯度消失或梯度爆炸问题,使用WGAN(Wasserstein GAN)的思想,采用EM距离模拟样本数据分布.在CelebA、ImageNet以及Place2图像数据集上对该算法的网络模型进行了训练和测试,结果显示与先前的算法模型相比,该算法提高了图像修复的精确度,能够生成更为逼真的修复图片,并且适用于多种类型图片的修复.
推荐文章
基于灰狼算法的BP神经网络图像恢复算法
灰狼优化算法
BP神经网络
图像恢复
生成对抗网络图像类别标签跨模态识别系统设计
生成对抗网络
图像类别标签
跨模态识别
系统设计
卷积神经网络
训练模型
一种基于生成对抗网络的图像修复算法
深度学习
生成对抗网络
图像修复
卷积神经网络
基于模式相似性的图像修复算法
图像修复算法
图像补全
模式相似性
匹配模块
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 多尺度生成式对抗网络图像修复算法*
来源期刊 计算机科学与探索 学科 工学
关键词 图像修复 生成式对抗网络 多尺度 重构损失 对抗损失
年,卷(期) 2020,(1) 所属期刊栏目 图形图像
研究方向 页码范围 159-170
页数 12页 分类号 TP391
字数 8224字 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像修复
生成式对抗网络
多尺度
重构损失
对抗损失
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
论文1v1指导