基于注意力机制和多尺度特征融合模块的人脸图像修复方法OA
Facial Image Inpainting Method Based on Attention Mechanism and Multi-scale Feature Aggregation Module
基于深度学习的人脸图像修复算法在获取深层特征时会造成信息丢失,容易忽略图像语义特征而产生结构不合理的修复结果,不利于纹理细节修复.为了解决这些问题,本文提出了使用卷积注意力模块和多尺度特征融合模块改进人脸图像修复网络.首先,提出了基于卷积注意力模块的人脸图像修复方法,增强人脸图像语义修复的能力,确保所提模型能够生成清晰的纹理修复结果,同时使用多尺度特征融合模块获取图像深层特征,通过融合多尺度特征来减少卷积过程中的信息丢失.其次,设计了一个具有正则…查看全部>>
Face image inpainting algorithms based on deep learning often experience information loss when capturing deep features,which could lead to neglection of image semantic features and result in structurally unreasonable inpainting outcomes,hindering texture detail repairs.To address these issues,we proposed an improved face image inpainting network incorporating convolutional block attention module and multi scale feature aggregation module.Firstly,a face image…查看全部>>
徐开丽;张乾;何剑;滕林
贵州民族大学 数据科学与信息工程学院,贵州 贵阳 550025||贵州省模式识别与智能系统重点实验室,贵州 贵阳 550025贵州民族大学 数据科学与信息工程学院,贵州 贵阳 550025||贵州省模式识别与智能系统重点实验室,贵州 贵阳 550025贵州民族大学 数据科学与信息工程学院,贵州 贵阳 550025||贵州省模式识别与智能系统重点实验室,贵州 贵阳 550025贵州民族大学 数据科学与信息工程学院,贵州 贵阳 550025||贵州省模式识别与智能系统重点实验室,贵州 贵阳 550025
计算机与自动化
图像修复注意力机制多尺度特征融合dropout方法人脸图像
image inpaintingattention mechanismmulti-scale feature aggregationdropout methodface image
《海南师范大学学报（自然科学版）》 2024 (3)
338-347,10
贵州民族大学校级科研项目(GZMUZK[2021]YB23)贵州省高等学校大数据分析与智能计算重点实验室(黔教技[2023]012号)
评论