面向图像场景转换的改进型生成对抗网络

作     者：肖进胜 周景龙 雷俊锋 李亮 丁玲 杜治一 XIAO Jin-Sheng;ZHOU Jing-Long;LEI Jun-Feng;LI Liang;DING Ling;DU Zhi-Yi

作者机构：武汉大学电子信息学院湖北武汉430072 湖北第二师范学院计算机学院湖北武汉430205 

基　　金：国家重点研发计划(2017YFB1302401) 国家自然科学基金(61471272) 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2021年第32卷第9期

页      码：2755-2768页

摘      要：设计了新的生成器网络、判决器网络以及新的损失函数,用于图像场景转换.首先,生成器网络采用了带跨层连接结构的深度卷积神经网络,其中,多个跨层连接以实现图像结构信息的共享;而判决器网络采用了多尺度全域卷积网络,多尺度判决器可以区分不同尺寸下的真实和生成图像.同时,对于损失函数,该算法借鉴其他算法提出了4种损失函数的组合,并通过实验对比证明了新损失函数的有效性,包括GAN损失、L_(1)损失、VGG损失、FM损失.从实验结果显示,该算法能够实现多种转换,且转换后图像的细节保留较为完整,生成图像较为真实,明显消除了块效应.

主 题 词：图像生成 深度学习 生成对抗网络 跨层连接 场景转换 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13328/j.cnki.jos.005986

馆 藏 号：203104972...