基于条件生成对抗网络的水下图像增强方法及系统.pdf
书生****写意
亲,该文档总共15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。
基于条件生成对抗网络的水下声学数据集增广方法及系统.pdf
本发明公开了一种基于条件生成对抗网络的水下声学数据集增广方法和系统,其包括:步骤1,获取声纳数据集和遥感数据集中目标物的切片,对切片中的目标物图像进行轮廓增强和像素填充,保留合格的切片中的目标物类别信息,并分类存储为样本;步骤2,通过条件生成对抗网络,将步骤1中未达到预设数量阈值的样本进行增广;步骤3,将步骤1中达到预设数量的样本以及由步骤2增广后的样本粘贴至所述声纳数据集中的海底混响背景图上,并将粘贴后的图像进行优化处理后,仿真成声纳图像,形成声纳数据集。本发明有利于丰富水下声学图像数据集,并在此基础上
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
一种基于条件胶囊生成对抗网络的图像生成方法.pdf
本发明公开了一种基于条件胶囊生成对抗网络的图像生成方法,包括下述步骤:图像数据采集并对图像进行预处理;提取出条件向量;获取随机噪声;设计一个神经网络作为生成器将随机噪声和条件向量映射为生成图片;设计另外一个神经网络作为判别器接收生成图片、真实图片和条件向量得到损失值;在训练对抗网络时,根据损失值最小化目标函数来调节生成器网络权值;训练完成后,生成器网络权值调整到最佳,此时舍弃判别器,保留生成器模型作为生成图像的最佳神经网络。本发明通过利用胶囊神经网络来设计判别器结构,结合现有的WGAN和CGAN的优点,网