發(fā)布時(shí)間：2021-11-12 05:21

　　近年來(lái)各種有關(guān)圖像處理的研究得到了廣泛的關(guān)注與發(fā)展,而在計(jì)算機(jī)圖像研究領(lǐng)域中,圖像轉(zhuǎn)換作為重要的一項(xiàng)技術(shù),許多圖像處理相關(guān)的問(wèn)題都可以歸結(jié)到此類(lèi)任務(wù)中,例如圖像風(fēng)格遷移、圖像降噪、圖像超分辨率解析等。圖像轉(zhuǎn)換旨在研究數(shù)據(jù)域之間的關(guān)系并解決如何將一個(gè)形態(tài)的圖像轉(zhuǎn)換成另一個(gè)形態(tài),因此完成圖像轉(zhuǎn)換需要重點(diǎn)研究圖像間的相似性和多樣性兩方面內(nèi)容,相似性研究?jī)?nèi)容要求生成圖像與輸入圖像的結(jié)構(gòu)相似性,同時(shí)又要求生成圖像與目標(biāo)圖像域樣本的細(xì)節(jié)相似性,多樣性研究?jī)?nèi)容要求在處理多模態(tài)輸出或者輸入情況下方法都具有很好的擴(kuò)展性。現(xiàn)有的圖像轉(zhuǎn)換方法按照是否需要成對(duì)數(shù)據(jù)可以將這類(lèi)方法分為監(jiān)督方法和無(wú)監(jiān)督方法,按照是否可以生成或者處理多種形態(tài)的圖像分為單模態(tài)方法和多模態(tài)方法。成對(duì)的訓(xùn)練數(shù)據(jù)提供了目標(biāo)圖像用以指導(dǎo)數(shù)據(jù)生成,降低了研究?jī)?nèi)容中相似性要求的難度,然而成對(duì)的數(shù)據(jù)是很難獲得的,因此相比于監(jiān)督方法,無(wú)監(jiān)督方法更具有普適性。相比于單模態(tài)方法,多模態(tài)方法具有更好的完備性,但是多模態(tài)方法在解決輸出圖像的多種模態(tài)方面更加復(fù)雜,最后多模態(tài)方法由于可以應(yīng)用到多個(gè)圖像轉(zhuǎn)換任務(wù),模型往往更加復(fù)雜,如何減少網(wǎng)絡(luò)參數(shù)也是面臨的問(wèn)題之一... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 圖像轉(zhuǎn)換的研究現(xiàn)狀
        1.2.1 監(jiān)督與無(wú)監(jiān)督圖像轉(zhuǎn)換方法
        1.2.2 單模態(tài)與多模態(tài)圖像轉(zhuǎn)換方法
    1.3 主要研究思路與內(nèi)容
    1.4 本文結(jié)構(gòu)
2 相關(guān)研究技術(shù)
    2.1 生成式模型概述
        2.1.1 生成對(duì)抗網(wǎng)絡(luò)概述
        2.1.2 變分自編碼器概述
        2.1.3 結(jié)合生成對(duì)抗網(wǎng)絡(luò)與變分自編碼器的生成式模型概述
    2.2 感知損失在圖像轉(zhuǎn)換方法的應(yīng)用
    2.3 本章小結(jié)
3 基于生成式對(duì)抗學(xué)習(xí)的單模態(tài)圖像轉(zhuǎn)換方法
    3.1 引言
    3.2 關(guān)鍵技術(shù)
        3.2.1 雙生成對(duì)抗網(wǎng)絡(luò)
        3.2.2 互信息
        3.2.3 感知對(duì)抗損失
    3.3 模型結(jié)構(gòu)
        3.3.1 網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.2 損失函數(shù)
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 數(shù)據(jù)集
        3.4.2 對(duì)比方法
        3.4.3 評(píng)測(cè)指標(biāo)
        3.4.4 結(jié)果比較與分析
    3.5 本章小結(jié)
4 基于生成式對(duì)抗學(xué)習(xí)的多模態(tài)圖像轉(zhuǎn)換方法
    4.1 引言
    4.2 基于生成對(duì)抗網(wǎng)絡(luò)的多模態(tài)圖像轉(zhuǎn)換方法
        4.2.1 模型結(jié)構(gòu)
        4.2.2 數(shù)據(jù)集與對(duì)比方法介紹
        4.2.3 實(shí)驗(yàn)結(jié)果與分析
    4.3 結(jié)合生成對(duì)抗網(wǎng)絡(luò)和變分自編碼器的多模態(tài)視圖轉(zhuǎn)換方法
        4.3.1 基礎(chǔ)知識(shí)
        4.3.2 模型結(jié)構(gòu)
        4.3.3 數(shù)據(jù)集與對(duì)比方法
        4.3.4 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]人工智能研究的新前線:生成式對(duì)抗網(wǎng)絡(luò)[J]. 林懿倫,戴星原,李力,王曉,王飛躍.  自動(dòng)化學(xué)報(bào). 2018(05)
[2]生成式對(duì)抗網(wǎng)絡(luò)GAN的研究進(jìn)展與展望[J]. 王坤峰,茍超,段艷杰,林懿倫,鄭心湖,王飛躍.  自動(dòng)化學(xué)報(bào). 2017(03)



本文編號(hào)：3490251