在現(xiàn)實(shí)生活中,人臉圖像的缺失給各行各業(yè)的相關(guān)工作帶來(lái)重大困擾,而人臉圖像修復(fù)技術(shù)可以智能高效地解決這個(gè)問題。人臉圖像修復(fù)是一種利用數(shù)學(xué)模型算法對(duì)剩余可利用圖像區(qū)域進(jìn)行建模,從而推測(cè)缺損區(qū)域人臉像素分布的計(jì)算機(jī)視覺技術(shù)。人臉圖像修復(fù)技術(shù)可以為各行各業(yè)節(jié)省大量的時(shí)間和人力,因此對(duì)該技術(shù)的研究具有重要的現(xiàn)實(shí)意義。人臉圖像修復(fù)技術(shù)可廣泛地用于考古、安防刑偵和人臉識(shí)別等領(lǐng)域。目前,深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域已經(jīng)取得了重要的研究成果,主流的深度生成對(duì)抗模型應(yīng)用于人臉修復(fù)時(shí)各有側(cè)重點(diǎn),并不能很好地修復(fù)隨機(jī)大面積缺失的人臉破損圖像。針對(duì)這個(gè)問題,本文在深入研究深度生成對(duì)抗模型的強(qiáng)大學(xué)習(xí)能力的基礎(chǔ)上,綜合現(xiàn)有的優(yōu)秀研究成果,提出了一種新的人臉修復(fù)算法FaceR-Net。該算法的主要內(nèi)容如下:（1）本文提出的FaceR-Net網(wǎng)絡(luò)模型首先對(duì)人臉待修復(fù)圖像進(jìn)行預(yù)處理,采用破損區(qū)域以外的剩余像素填充破損區(qū)域,使后續(xù)的模型訓(xùn)練可以充分利用人臉破損圖像中已知區(qū)域的先驗(yàn)像素分布,學(xué)習(xí)像素級(jí)別的高層次語(yǔ)義信息,達(dá)到使模型訓(xùn)練更高效而且修復(fù)效果更好的目的。通過實(shí)驗(yàn)對(duì)比分析表明,在經(jīng)過預(yù)處理后,FaceR-Net相比于使用... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省211工程院校教育部直屬院校

【文章頁(yè)數(shù)】：91 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

反卷積示意圖

圖2.6 BN 算法流適應(yīng)算法astic Gradient Descent絡(luò)模型對(duì)樣本的學(xué)習(xí)再將誤差對(duì)權(quán)重值求導(dǎo)新。公式（2-16）表示t t1 g 表示學(xué)習(xí)率，表示輸函數(shù)，所以在損失函數(shù)收斂速度很慢，很多算人[46]提出的 Adam 算估計(jì)和二階矩估計(jì)對(duì)每

coder入值縮成ncod）組成，它值的神經(jīng)網(wǎng)成潛在空間表der 的網(wǎng)絡(luò)架它是一種使絡(luò)，并且 E表征，得到架構(gòu)圖如圖用反向傳播Encoder 部分到隱向量（L圖 2.7 所示。播算法并增分學(xué)習(xí)原始Latent Vecto加響應(yīng)約束始輸入數(shù)據(jù)在or），利用隱束在隱


本文編號(hào)：3624142