基于生成对抗网络的人脸图像质量增强方法.pdf
Jo****63
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于生成对抗网络的人脸图像质量增强方法.pdf
本发明公开了人脸图像质量增加方法?生成对抗网络方法,具体地,包含以下五个步骤:1)静态人脸数据采集,2)数据处理,3)搭建生成对抗网络,4)训练生成对抗网络,5)测试生成对抗网络,本发明采用生成对抗网络来建模人脸图像质量,生成器包含图像增强、分辨率增强,图像增强实现对人脸图像亮度和噪声的矫正与增强,采用三种不同的方式来测量原始高质量人脸图像和增强后人脸图像之间的相似性,分别是MSE、SSIM以及判别器输出的分数,实现半监督的方法实现人脸图像质量增强,不需要标记训练数据,大大简化训练难度。
一种基于生成对抗网络的面部图像增强方法.pdf
本发明公开了一种基于生成对抗网络的面部图像增强方法.本发明包括以下步骤:1、使用3D稠密面部对齐方法对多种姿态的面部图像进行预处理;2、设计基于生成对抗网络的面部增强网络,两步生成对抗网络。3、针对任务需要设计Step‑I和Step‑II对应的目标函数4、使用MS‑1‑celeb预训练识别模型,并使用扩增数据预训练TS‑GAN模型;5、使用Multi‑PIE作为训练集,利用反向传播算法训练(4)中完成预训练的TS‑GAN模型参数,直至收敛。使用最终训练的TS‑GAN模型可以得到与输入图像对应的正脸图像,同
基于条件生成对抗网络的水下图像增强方法及系统.pdf
本发明提出了一种基于条件生成对抗网络的水下图像增强方法及系统,通过提取并融合多尺度局部特征以及全局特征来校正退化水下图像的色彩,通过构建用于水下图像增强的注意力模块AMU来提升特征提取效果,在训练中引入感知损失与总变差损失来提升生成图像的质量,抑制噪声出现。本发明的方法可为智能化水产养殖的行为监测、病害识别等高层次视觉任务提供清晰的水下环境信息,推动智能集约化水产养殖健康可持续发展。
属性生成对抗网络以及基于该网络的人脸图像连续变换方法.pdf
本发明公开了一种属性生成对抗网络以及基于该网络的人脸图像的连续变换方法,该属性生成对抗网络包含一个生成器和一个判别器,所述生成器包括身份特征编码器、年龄特征编码器和解码器;所述解码器使用基于自适应权值标准化的渐进式特征融合的结构,所述判别器使用多任务结构。该方法在训练该属性生成对抗网络时使用的目标损失函数包括对抗损失函数、循环一致损失函数、重建损失函数、身份特征损失函数和年龄特征损失函数。本发明公开的技术方案通过基于自适应权值标准化的解码器模拟人脸软组织和颅骨形状随年龄的变化,通过多任务结构的判别器减少了
一种基于生成对抗网络先验的盲人脸图像复原方法.pdf
本发明公开了一种基于生成对抗网络先验的盲人脸图像复原方法,包括生成对抗网络先验模块、图像特征提取模块、基于无监督学习退化表征策略的退化表征编码模块、退化感知特征插值模块。生成对抗网络先验模块,用于从初始特征图通过针对人脸预训练好的生成对抗网络生成不同尺度的中间特征图,从而合成更真实的人脸结构和细节;图像特征提取模块,用于从原始退化图像提取出不同尺度的特征图;退化表征编码模块,根据是否使用不同退化函数构造正负样本,从而实现在无监督情况下提取出图像在不同退化程度下的退化表征;退化感知特征插值模块,用于融合图像