基于相对生成对抗网络的低清小脸幻构

• 作者: 邵文泽 张苗苗 李海波
• 来源期刊: 电子与信息学报
• 关键词: 图像处理 超分辨率 人脸幻构 深度学习 生成对抗网络
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 模式识别与智能信息处理|Pattern Recognition and Intelligent Information Processing
• 页码范围: 2577-2585
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11999/JEIT200362

摘要

针对当前代表性低清小脸幻构方法存在的视觉真实感弱、网络结构复杂等问题,提出了一种基于相对生成对抗网络的低清小脸幻构方法(tfh-RGAN).该文方法的网络架构包括幻构生成器和判别器两个部分,通过像素损失函数和相对生成对抗损失函数的联合最小化,实现生成器和判别器的交替迭代训练.其中,幻构生成器结合了残差块、稠密块以及深度可分离卷积算子,保证幻构效果和网络深度的同时降低生成器的参数量;判别器采用图像分类问题中的全卷积网络,通过先后去除批归一化层、添加全连接层,充分挖掘相对生成对抗网络在低清小脸幻构问题上的能力极限.实验结果表明,在不额外显式引入任何人脸结构先验的条件下,该文方法能够以更简练的网络架构输出清晰度更高、真实感更强的幻构人脸.从定量角度看,该文方法的峰值信噪比相较之前的若干代表性方法可提高0.25～1.51 dB.