《计算机工程与科学杂志》发表论文赏析

基于生成对抗网络的无监督图像风格迁移

来源:计算机工程与科学杂志2021年第10期北京时间:

作者:兰天, 辛月兰, 殷小芳, 刘卫铭, 姜星宇

单位:青海师范大学物理与电子信息工程学院,青海 西宁 810001

摘要:无监督的图像风格迁移是计算机视觉领域中一个非常重要且具有挑战性的问题。无监督的图像风格迁移旨在通过给定类的图像映射到其他类的类似图像。一般情况下成对匹配的数据集很难获得,这极大限制了图像风格迁移的转换模型。因此,为了避免这种限制,对现有的无监督的图像风格迁移的方法进行改进,采用改进的循环一致性对抗网络进行无监督图像风格迁移。首先为了提升网络的训练速度,避免梯度消失的现象出现,在传统的循环一致性网络生成器部分引入DenseNet网络;在提高生成器的性能方面,生成器网络部分引入attention机制来输出效果更好的图像;为了减少网络的结构风险,在网络的每一个卷积层都使用谱归一化。为了验证本文方法的有效性,在monet2photo、vangogh2photo和facades数据集上进行了实验,实验结果表明,该方法在Inception score平均分数和FID距离评价指标上均有所提高。

关键词:风格迁移,生成对抗网络,attention机制,谱归一化,

基金资助:国家自然科学基金(61662062);青海省重大科技专项子课题(2019-ZJ-A10)

2021年10期其他文献查阅:

快速卷积算法的综述研究

边缘计算系统中资源分配防策略拍卖机制设计

基于压缩子空间对齐的多核聚类算法

基于Spark Streaming的视频大数据并行处理方法

基于双曲正弦函数的四翼忆阻混沌系统及其FPGA实现

群智感知环境中基于GRU网络的用户位置预测模型

一种改进的差分隐私参数设置及数据优化算法

基于三维坐标修正的改进型3DDV-Hop定位算法

基于Petri网的并发事件流程模型修复分析

基于变更事件驱动的微服务组合平台设计与实现

基于生成对抗网络的无监督图像风格迁移

基于Zynq的SDI视频图像分割系统

基于AT-NMS的Mask RCNN改进算法

基于并行小规模卷积神经网络的图像质量评价

基于组合模型的非线性时间序列预测算法

标签扩展的协同过滤推荐算法

基于一维卷积神经网络的烟叶仓储霉变预测方法研究

一种去除聚类数量和邻域参数设置的自适应聚类算法

基于自注意力和Lattice-LSTM的军事命名实体识别

基于DPC聚类重采样结合ELM的不平衡数据分类算法

融合作者合作强度与研究兴趣的合作者推荐

基于BERT和BiLSTM-CRF的生物医学命名实体识别

具有相似性传播的K-均值欠定盲分离算法

精英扩散蚁群优化算法求解运输无人机三维路径规划

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!