-
题名基于残差生成对抗网络的人脸图像复原
被引量：5
- 1
-
-
作者
李泽文
李子铭
费天禄
王瑞琳
谢在鹏
-
机构
河海大学计算机与信息学院
-
出处
《计算机科学》
CSCD
北大核心
2020年第S01期230-236,共7页
-
基金
国家级大学生创新创业训练计划项目(201810294106)。
-
文摘
得益于计算机视觉的快速发展,人脸图像复原技术可以仅利用人脸的轮廓来生成完整的人脸图像。目前已有许多基于卷积神经网络和生成对抗网络等方法的人脸复原技术被提出,它们可以利用部分破损的人脸图像进行复原或者使用人脸轮廓直接生成人脸图像。然而,使用这些技术复原后的人脸图像在定性和定量分析时效果不够理想,并且复原时存在诸多的条件限制。因此,文中提出了一种基于残差生成对抗网络的人脸图像复原(FR-RGAN)方法,该方法借助深度卷积、残差网络和更小的卷积核,提升了模型性能,利用人脸的轮廓复原面部局部细节,使其更加生动地呈现出来。实验结果表明,FR-RGAN在均方误差、峰值信噪比和结构相似度指标上比pix2pix分别提高了8.7%,2.1%和9.6%,比无残差方法分别提高了53.4%,12.6%和30.1%。
-
关键词
计算机视觉
人脸图像复原
生成对抗网络
残差网络
-
Keywords
Computer vision
Face image restoration
Generative adversarial networks
Residual neural networks
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
