摘要：针对低分辨率人脸图像缺少有效信息而导致识别率较低的问题,提出一种结合哈尔小波与递归神经网络的低分辨率人脸识别方法。首先,通过深层网络直接预测小波系数,经过小波逆变换得到高分辨率人脸图像,可以有效地重建高频信息;其次,在卷积神经网络中加入递归模块,在增加网络深度的同时减少参数冗余,提升模型的映射能力;最后,提出一种优化的重建与感知损失融合方法,将小波系数重建损失与感知损失进行加权融合,用以生成有利于识别的人脸图像。基于公开数据集,对图像重建质量与识别性能进行了对比。实验结果表明,即使在极低的分辨率条件下(8×8,16×16),仍然能够重建出更加锐利的人脸图像。在此基础上,其识别能力优于目前领先的超分辨率重建算法。

摘要：为了能够生成纹理细节丰富的人脸图像,提出一种基于生成对抗网络的人脸超分辨率重建算法。设计一个由2条支路组成的生成器,并在网络中采用了更适合图像重建的残差单元结构;在模型优化过程中,提供一种将对抗损失与重建损失相融合的方法,有助于生成更加真实自然的人脸图像。实验结果表明,该重建算法能够得到细节突出的人脸图像,且FID分数高于目前领先的人脸超分辨率重建算法。