一种生成对抗网络用于图像修复的方法OA北大核心CSCDCSTPCD
I mage Inpainting Using Generative Adversarial Networks
近年来基于深度学习的图像修复方法相比于传统方法,表现出明显优势,前者能更好的生成视觉上合理的图像结构和纹理.但现有的标准卷积神经网络方法,通常会造成颜色差异过大和图像纹理缺失与失真的问题.本文提出了一种新型图像修复深度网络模型,该模型由两个相互独立的生成对抗式网络模块组成.其中,图像修复网络模块旨在解决图像缺失区域的修复问题,其生成器基于部分卷积网络;图像优化网络模块旨在解决修复后图像存在局部色差的问题,其生成器基于深度残差网络.通过两个网络模块的协同作用,图像的视觉效果与图像质量得到提高.与其他先进方法进行定性和定量比较的实验结果表明,本文提出的方法在图像修复质量上表现更好.
罗会兰;敖阳;袁璞
江西理工大学信息工程学院,江西赣州341000江西理工大学信息工程学院,江西赣州341000江西理工大学信息工程学院,江西赣州341000
信息技术与安全科学
部分卷积生成对抗神经网络残差网络图像修复
《电子学报》 2020 (10)
视觉特征表达的集成深度自我学习研究
1891-1898,8
国家自然科学基金(No.61862031)江西省赣州市"科技创新人才计划"
评论