基于對抗學(xué)習(xí)的圖像轉(zhuǎn)換算法研究
發(fā)布時間:2024-04-20 23:21
圖像轉(zhuǎn)換是圖像生成領(lǐng)域中一個熱們的研究方向,在現(xiàn)實世界中有很多實際的應(yīng)用,它通過改變其原圖特征轉(zhuǎn)化為不同的圖像,例如圖像風(fēng)格轉(zhuǎn)換、圖像修復(fù)、圖像上色、圖像的超分辨等。隨著近些年生成對抗網(wǎng)絡(luò)的快速發(fā)展,其在圖像生成領(lǐng)域具有強大的表現(xiàn)力,因此將生成對抗網(wǎng)絡(luò)應(yīng)用到圖像轉(zhuǎn)換領(lǐng)域已經(jīng)成為一種趨勢。經(jīng)過了前人不斷地研究,圖像轉(zhuǎn)換的質(zhì)量已經(jīng)有較為明顯的提升,但是面對一些復(fù)雜的圖像時,轉(zhuǎn)換后的真實性、清晰程度、多樣性以及轉(zhuǎn)換程度等方面的表現(xiàn)還有提升的空間,對圖像轉(zhuǎn)換后圖像的效果也是一個巨大的挑戰(zhàn)。本文針對轉(zhuǎn)換后的圖像在局部不清晰、轉(zhuǎn)換效果不明顯等問題,設(shè)計了新的圖像轉(zhuǎn)換的網(wǎng)絡(luò)架構(gòu),通過改進生成對抗網(wǎng)絡(luò)的生成器和判別器從而提升清晰度和轉(zhuǎn)換的效果。首先,本文介紹了生成對抗網(wǎng)絡(luò)和圖像轉(zhuǎn)換的研究意義和研究背景,梳理了國內(nèi)外的對于生成對抗網(wǎng)絡(luò)和圖像轉(zhuǎn)換領(lǐng)域的研究狀況,將其中有研究價值的部分進行了挖掘和改進。對生成對抗網(wǎng)絡(luò)和圖像轉(zhuǎn)換方法進行了總結(jié),歸納了近年來生成對抗網(wǎng)絡(luò)的發(fā)展和圖像轉(zhuǎn)換領(lǐng)域的相關(guān)網(wǎng)絡(luò)模型,并且總結(jié)了現(xiàn)有模型的優(yōu)缺點。其次,在現(xiàn)有圖像轉(zhuǎn)換模型上對生成器和判別器進行改進,提出了一種新的基于對抗網(wǎng)絡(luò)的...
【文章頁數(shù)】:74 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
1 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 本文主要工作
1.4 論文組織結(jié)構(gòu)
2 生成對抗網(wǎng)絡(luò)概述
2.1 生成對抗網(wǎng)絡(luò)原理
2.2 GAN的優(yōu)缺點
2.2.1 GAN的優(yōu)點
2.2.2 GAN的缺點
2.3 GAN理論改進
2.3.1 Wasserstein GAN
2.3.2 Least Squares GAN
2.3.3 Relativistic GAN
2.4 GAN模型架構(gòu)改進
2.4.1 CGAN
2.4.2 DCGAN
2.4.3 AAE
2.4.4 CoGAN
2.5 生成對抗網(wǎng)絡(luò)的應(yīng)用
2.5.1 文字到圖像的轉(zhuǎn)換
2.5.2 圖像超分辨率
2.6 本章小結(jié)
3 圖像轉(zhuǎn)換概述
3.1 有監(jiān)督的圖像轉(zhuǎn)換
3.1.1 Pix2pix
3.1.2 Pix2pix HD
3.2 無監(jiān)督的圖像轉(zhuǎn)換
3.2.1 Cycle GAN
3.2.2 DTN
3.3 多模態(tài)的圖像轉(zhuǎn)換
3.3.1 Bicycle GAN
3.3.2 MUIT
3.4 本章小結(jié)
4 基于變分生成對抗網(wǎng)絡(luò)的圖像轉(zhuǎn)換
4.1 變分自編碼器
4.2 感受野
4.3 ITVGAN的網(wǎng)絡(luò)架構(gòu)
4.3.1 編碼器結(jié)構(gòu)
4.3.2 判別器結(jié)構(gòu)
4.4 損失函數(shù)
4.5 實驗
4.5.1 實驗設(shè)置
4.5.2 數(shù)據(jù)集及實驗結(jié)果
4.5.3 定量分析
4.6 本章小節(jié)
5 基于非對稱卷積塊和多尺度融合判別的圖像轉(zhuǎn)換
5.1 非對稱卷積塊
5.2 多尺度判別器
5.3 網(wǎng)絡(luò)結(jié)構(gòu)
5.3.1 生成器結(jié)構(gòu)
5.3.2 判別器結(jié)構(gòu)
5.4 損失函數(shù)
5.5 實驗
5.5.1 實驗設(shè)置
5.5.2 數(shù)據(jù)集及實驗結(jié)果
5.5.3 定量分析
5.6 本章小結(jié)
6 總結(jié)與展望
6.1 本文的工作總結(jié)
6.2 未來的工作展望
參考文獻
附錄1 實驗對比圖像
攻讀學(xué)位期間取得的研究成果
致謝
本文編號:3960080
【文章頁數(shù)】:74 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
1 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 本文主要工作
1.4 論文組織結(jié)構(gòu)
2 生成對抗網(wǎng)絡(luò)概述
2.1 生成對抗網(wǎng)絡(luò)原理
2.2 GAN的優(yōu)缺點
2.2.1 GAN的優(yōu)點
2.2.2 GAN的缺點
2.3 GAN理論改進
2.3.1 Wasserstein GAN
2.3.2 Least Squares GAN
2.3.3 Relativistic GAN
2.4 GAN模型架構(gòu)改進
2.4.1 CGAN
2.4.2 DCGAN
2.4.3 AAE
2.4.4 CoGAN
2.5 生成對抗網(wǎng)絡(luò)的應(yīng)用
2.5.1 文字到圖像的轉(zhuǎn)換
2.5.2 圖像超分辨率
2.6 本章小結(jié)
3 圖像轉(zhuǎn)換概述
3.1 有監(jiān)督的圖像轉(zhuǎn)換
3.1.1 Pix2pix
3.1.2 Pix2pix HD
3.2 無監(jiān)督的圖像轉(zhuǎn)換
3.2.1 Cycle GAN
3.2.2 DTN
3.3 多模態(tài)的圖像轉(zhuǎn)換
3.3.1 Bicycle GAN
3.3.2 MUIT
3.4 本章小結(jié)
4 基于變分生成對抗網(wǎng)絡(luò)的圖像轉(zhuǎn)換
4.1 變分自編碼器
4.2 感受野
4.3 ITVGAN的網(wǎng)絡(luò)架構(gòu)
4.3.1 編碼器結(jié)構(gòu)
4.3.2 判別器結(jié)構(gòu)
4.4 損失函數(shù)
4.5 實驗
4.5.1 實驗設(shè)置
4.5.2 數(shù)據(jù)集及實驗結(jié)果
4.5.3 定量分析
4.6 本章小節(jié)
5 基于非對稱卷積塊和多尺度融合判別的圖像轉(zhuǎn)換
5.1 非對稱卷積塊
5.2 多尺度判別器
5.3 網(wǎng)絡(luò)結(jié)構(gòu)
5.3.1 生成器結(jié)構(gòu)
5.3.2 判別器結(jié)構(gòu)
5.4 損失函數(shù)
5.5 實驗
5.5.1 實驗設(shè)置
5.5.2 數(shù)據(jù)集及實驗結(jié)果
5.5.3 定量分析
5.6 本章小結(jié)
6 總結(jié)與展望
6.1 本文的工作總結(jié)
6.2 未來的工作展望
參考文獻
附錄1 實驗對比圖像
攻讀學(xué)位期間取得的研究成果
致謝
本文編號:3960080
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3960080.html
最近更新
教材專著