基于生成对抗网络的人脸风格迁移研究.docx
02****gc
亲,该文档总共21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
基于生成对抗网络的人脸风格迁移研究.docx
基于生成对抗网络的人脸风格迁移研究目录一、内容简述................................................1二、背景介绍................................................21.生成对抗网络的提出和发展现状..........................32.人脸风格迁移的应用背景与重要性分析....................43.技术交叉点的出现与发展趋势分析........................5三
一种基于图像分割和生成对抗网络的人脸属性迁移方法.pdf
本发明公开了一种基于图像分割和生成对抗网络的人脸属性迁移方法,包括以下步骤:设置人脸属性迁移的基本网络框架,设置网络的基本参数;利用CelebA数据集对U‑Net人脸图像分割模型进行训练;利用训练好的U‑Net网络分割人脸图像,将需要迁移的人脸属性从源图像中分割出来,融合到目标人脸图像;将目标图像和融合的图像输入到生成对抗网络,使得融合的图像符合目标图像的风格;利用基于Haar特征级联分类器识别人脸区域,并进行人脸属性迁移。本发明提出了人脸属性迁移方法可以将多种人脸属性迁移到目标人脸图像,并通过生成对抗学
基于自适应生成对抗网络的中文字体风格迁移方法.pdf
本发明特别涉及一种基于自适应生成对抗网络的中文字体风格迁移方法,包括如下步骤:S100、训练能够分离字体内容和风格的编码器;S200、根据训练好的编码器,构建所训练字体类别的风格特征仓库;S300、构建自适应生成对抗网络优化训练;S400、将待迁移的字体样本输入训练好的编码器生成的特征图、将迁移目标信息输入风格特征仓库生成目标字体风格特征图,并将两个特征图融合之后输入到训练好的解码器中即可生成目标字体样本。在生成目标字体的其他文字时,是通过待迁移字体的内容特征和目标字体的风格特征所融合而成的,因此迁移效果
基于生成对抗网络的人脸匿名隐私保护方法.pdf
本发明提供一种基于生成对抗网络的人脸匿名隐私保护方法。本发明首先对人脸图像数据预处理;然后构建生成对抗网络结构;再建立人脸区域匿名的目标函数;然后建立场景内容区域保留的目标函数;随后进行人脸匿名与场景保留的目标函数的结合;最后采用公开数据集进行训练及测试,输出最终结果。本方法对图像中人脸区域进行合成脸的替换而达到人脸匿名的效果,相对以往的马赛克遮挡的方法更高效并且在视觉上更友好。本发明方法具有高效性与实用性,对人物图像的隐私保护更高效和美观。
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。