内容提供者
基于对偶生成对抗式网络的人脸图像去模糊和恢复方法.pdf
2023-06-06
10金币
913KB
13页
Ch****75
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共13页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
基于对偶生成对抗式网络的人脸图像去模糊和恢复方法.pdf
本发明公开了一种基于对偶生成对抗式网络的人脸图像去模糊和恢复方法,本发明实现的步骤为:1、网络初始化;2、输入数据;3、优化判别器;4、优化生成器;5、迭代训练网络;6、测试网络;7、输出结果。本发明相比现有技术基于单一生成对抗式网络的方法,网络更加容易收敛,不容易造成模型崩塌,并且生成效果更加稳定,生成图像与真实图像更加接近。本发明可应用于对模糊、细节信息残缺的图像进行去模糊和恢复处理。
2023-06-06
10
913KB
基于深度卷积生成式对抗网络的人脸恢复方法.docx
基于深度卷积生成式对抗网络的人脸恢复方法基于深度卷积生成式对抗网络的人脸恢复方法摘要：人脸恢复是计算机视觉领域中的一个重要研究方向，目的是通过对损坏或模糊的人脸图像进行修复，恢复其原始的清晰面容。本文提出了一种基于深度卷积生成式对抗网络（DCGAN）的人脸恢复方法，该方法能够有效地恢复人脸图像的细节和结构，使得修复后的图像在视觉上更接近原始图像。实验结果表明，该方法在人脸恢复任务中取得了显著的效果，并且具有较好的鲁棒性和通用性。关键词：人脸恢复；深度卷积生成式对抗网络；图像修复；细节恢复1.引言人脸图像通
2024-10-20
5
11KB
基于改进的生成对抗网络的图像去模糊方法.pdf
本发明公开了一种基于改进的生成对抗网络的图像去模糊方法，包括步骤：一、将待去模糊的图像输入预先训练好的改进的生成对抗网络中；二、所述改进的生成对抗网络对待去模糊的图像进行去模糊处理，得到去模糊后的图像。本发明针对非盲去模糊方法估计模糊核时的不适定问题，采用深度学习的方法，在分析生成对抗网络的理论基础上，提出了一种基于改进的生成对抗网络的图像去模糊方法，在生成对抗网络的基础上，构建了改进的生成对抗网络，引入加权的思想构建新的目标函数，通过调节权值系数来平衡正向KL散度和反向KL散度的占比，能够更好地复原出清
2023-06-27
10
927KB
一种基于生成对抗网络的图像盲去模糊方法.pdf
本发明提供一种基于生成对抗网络的图像盲去模糊方法。本发明首先建立用于网络训练的损失函数，包括对抗损失项(AdversarialLoss)和内容损失项(ContentLoss)；然后进行生成对抗网络结构的搭建；再采用基于随机轨迹的的运动模糊数据集生成方法，生成清晰‑模糊图像对；最后采用生成的清晰‑模糊图像对，训练生成对抗网络网络。本发明在低计算资源消耗的情况下，能做到相对较快的图像去模糊速度，并明显快于其他去模糊方法，本发明提出了一种基于随机轨迹的运动模糊数据集生成方法，可以任意生成大量的清晰‑模糊图像
2023-06-27
10
526KB
基于生成式对抗网络的声呐和雷达图像增强方法.docx
基于生成式对抗网络的声呐和雷达图像增强方法基于生成式对抗网络的声呐和雷达图像增强方法摘要：声呐和雷达是一种常见的无源感知技术，广泛应用于海洋探测、无人机导航、车辆驾驶辅助等领域。然而，由于噪声、多路径效应和设备限制等问题，声呐和雷达图像常常存在低分辨率、低对比度和缺乏细节等问题。为了解决这些问题，本文提出了一种基于生成式对抗网络（GAN）的声呐和雷达图像增强方法。该方法通过训练一个生成器网络和一个判别器网络，使生成器网络能够生成逼真的高质量图像并欺骗判别器网络。实验结果表明，所提出的方法在声呐和雷达图像的
2024-10-24
5
11KB