基于改进GAN的人机交互手势行为识别方法

1

作者 张富强 白筠妍 穆慧 《郑州大学学报(工学版)》 北大核心 2025年第2期43-50,共8页

为改善现有手势识别算法需要大量训练数据的现状,针对识别准确率不高、识别过程复杂等问题,基于生成式对抗网络(GAN)和变分自编码器,引入标签信息,提出一种基于改进GAN模型的人机交互手势行为识别方法。首先,在编码器和解码器中分别添... 为改善现有手势识别算法需要大量训练数据的现状,针对识别准确率不高、识别过程复杂等问题,基于生成式对抗网络(GAN)和变分自编码器,引入标签信息,提出一种基于改进GAN模型的人机交互手势行为识别方法。首先,在编码器和解码器中分别添加改进InceptionV2和InceptionV2-trans结构增强模型的特征还原能力;其次,在各组成网络中进行条件批量归一化(CBN)处理改善过拟合,以Mish激活函数代替ReLU函数提升网络性能;最后,通过实验证明该方法能够以较少的样本获得100%的分类准确率,且收敛时间短,验证了该方法的可靠性。 展开更多

关键词 人机交互 生成对抗网络 变分自编码器 手势识别 条件批量归一化

在线阅读 下载PDF 职称材料

基于海象优化算法优化SVMD联合BiLSTM的滚动轴承状态监测

2

作者 侯兴达 王靖岳 +1 位作者 周浩 丁建明 《组合机床与自动化加工技术》 北大核心 2025年第10期171-177,共7页

鉴于滚动轴承运行过程中振动信号呈现出非线性、非平稳的特性,导致轴承状态监测难度较大,从而提出了一种基于海象优化算法(WO)优化逐次变分模态分解(SVMS),并联合双向长短时记忆神经网络(BiLSTM)的监测模型。首先以信息熵作为适应度函数... 鉴于滚动轴承运行过程中振动信号呈现出非线性、非平稳的特性,导致轴承状态监测难度较大,从而提出了一种基于海象优化算法(WO)优化逐次变分模态分解(SVMS),并联合双向长短时记忆神经网络(BiLSTM)的监测模型。首先以信息熵作为适应度函数,利用WO优化SVMD的惩罚系数α,从而对振动信号分解;然后通过查看峭度,把每个样本的最佳IMF提取出来,得到其9种时域特征向量;最后将其输入至BiLSTM网络模型中,达到对轴承状态监测的目的。结果表明,经过凯西斯储大学和国内某大学轴承数据集验证分析,并与其他模型对比,证明所提方法可以有效地通过振动信号精准识别轴承状态,该方法25次试验平均准确率高达99.1%(数据1)和98.8%(数据2)。 展开更多

关键词 滚动轴承 状态监测 海象优化算法 逐次变分模态分解 双向长短时记忆神经网络

在线阅读 下载PDF 职称材料

基于CVAE-LSTM的服务器KPI异常检测

3

作者 沈夏闰 李若楠 张昊田 《系统工程与电子技术》 北大核心 2025年第3期1019-1027,共9页

对于关键性能指标(key performance indicator,KPI)的异常检测是互联网智慧运维流程中的基石,对于故障报警和保障服务器安全具有重要意义。深度生成模型已经能很好地解决机器学习模型深度特征表征能力差的问题,但对于KPI数据中时间信息... 对于关键性能指标(key performance indicator,KPI)的异常检测是互联网智慧运维流程中的基石,对于故障报警和保障服务器安全具有重要意义。深度生成模型已经能很好地解决机器学习模型深度特征表征能力差的问题,但对于KPI数据中时间信息的处理和长时信息的捕获存在不足。为此,提出一种基于条件变分自编码器(conditional variational autoencoder,CVAE)和长短时记忆(long-short term memory,LSTM)网络相结合的KPI异常检测模型,利用CVAE网络强大的表征能力,并将时间信息添加到深度自编码器中,利用LSTM的长时记忆能力,提高模型的长时异常学习和处理能力,使用训练好的CVAE网络来进一步训练LSTM。在3个公开的数据集上与其他深度学习模型进行对比实验,实验结果表明,在F 1值方面,所提模型的性能优于单独的LSTM和一些效果较好的深度学习模型。 展开更多

关键词 关键性能指标异常检测 条件变分自编码器 长短时记忆网络 关键性能指标 深度学习

在线阅读 下载PDF 职称材料

基于半监督VAE和CGAN的运动想象脑电信号分类器

4

作者 袁凯烽 侯璐 黄永锋 《传感器与微系统》 北大核心 2025年第2期82-86,共5页

由于脑电(EEG)信号的特异性、隐私性,数据集相对匮乏,运动想象EEG(MI-EEG)信号分类是一项具有挑战性的任务。提出了一种基于半监督变分自编码器-条件生成对抗网络(SSVAE-CGAN)模型应用于MI-EEG信号的增强和分类。SSVAE-CGAN模型的SSVAE-... 由于脑电(EEG)信号的特异性、隐私性,数据集相对匮乏,运动想象EEG(MI-EEG)信号分类是一项具有挑战性的任务。提出了一种基于半监督变分自编码器-条件生成对抗网络(SSVAE-CGAN)模型应用于MI-EEG信号的增强和分类。SSVAE-CGAN模型的SSVAE-CGAN的编码器为EEGNet网络,获得MI-EEG信号的时域、频域和空间域的复合特征的潜在空间表示。不同于传统的无监督变分自编码器,在训练编码器时,SSVAE-CGAN使用MI-EEG信号的标签信息以监督的方式更好地构建潜在空间。然后,SSVAE-CGAN使用条件生成对抗网络接收带有标签信息的随机噪声进行生成器-判别器的对抗训练,并生成与潜在空间分布对齐的隐空间。在真实MI-EEG数据集进行了数据增强和分类实验,实验结果验证了本文模型的有效性。 展开更多

关键词 运动想象脑电 数据增强 分类 半监督变分自编码器 条件生成对抗网络

在线阅读 下载PDF 职称材料

基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测 被引量：2

5

作者 李丹 罗娇娇 +2 位作者 孙光帆 唐建 黄烽云 《三峡大学学报（自然科学版）》 CAS 北大核心 2024年第5期68-75,共8页

考虑到输入信息和预测模型的不确定性对负荷预测结果的影响,本文提出一种基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测方法.通过条件变分自编码器生成指定天气因素预测值和日历特征条件下实际天气因素可能的多个随机样... 考虑到输入信息和预测模型的不确定性对负荷预测结果的影响,本文提出一种基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测方法.通过条件变分自编码器生成指定天气因素预测值和日历特征条件下实际天气因素可能的多个随机样本,以模拟天气预测信息的不确定性;构建GRU-S2S贝叶斯神经网络学习模型参数的分布特征,以反映预测模型的不确定性,并结合MC dropout技术获得多个可能的负荷预测值;遍历天气因素全部模拟样本,将预测模型输出的负荷预测值构成集合,并通过核密度估计获得预测时段内各时刻预测负荷服从的概率分布.实际算例结果表明,该方法在短期负荷概率预测中具有更高的分位数预测精度和更可靠稳定的区间预测结果. 展开更多

关键词 负荷概率预测 门控循环单元 贝叶斯神经网络 条件变分自编码器

在线阅读 下载PDF 职称材料

基于特征辨识和变分自编码器网络的工商业空调负荷辨识 被引量：2

6

作者 谭伟涛 姚冰峰 +4 位作者 郭大琦 马闯 麻吕斌 王朝亮 林振智 《电力自动化设备》 EI CSCD 北大核心 2024年第12期61-68,共8页

空调负荷功率的准确计算是实现其需求侧管理的关键,为此,提出基于负荷曲线特征辨识和变分自编码器网络的工商业用户空调负荷辨识方法。针对用户的连续日负荷曲线,提出基于局部加权线性拟合和快速动态时间规整的负荷曲线形态相似度度量方... 空调负荷功率的准确计算是实现其需求侧管理的关键,为此,提出基于负荷曲线特征辨识和变分自编码器网络的工商业用户空调负荷辨识方法。针对用户的连续日负荷曲线,提出基于局部加权线性拟合和快速动态时间规整的负荷曲线形态相似度度量方法,以实现对负荷曲线形态特征的度量。提出基于点排序的聚类结构辨识算法的日负荷序列特征辨识方法,以实现对负荷曲线的分类。针对同一特征类型下的用户日负荷序列,提出基于变分自编码器网络的空调负荷辨识算法,以实现空调负荷功率的准确计算。以浙江某市的加工制造业和商业写字楼宇用户负荷数据验证本文所提方法的有效性。算例仿真结果表明,所提方法可以在无需电表高频采样数据、无须预先获取用户的用电设备信息和用电行为信息的条件下准确辨识用户空调负荷功率,为量化空调负荷参与需求响应的可调潜力提供了基础。 展开更多

关键词 空调负荷 工商业用户 负荷辨识 局部加权线性拟合 OPTICS算法 变分自编码器网络

在线阅读 下载PDF 职称材料

基于局部数据增强动态图的事件预测 被引量：1

7

作者 潘磊 刘欣 +3 位作者 陈君益 程章桃 刘乐源 周帆 《计算机科学》 CSCD 北大核心 2024年第3期118-127,共10页

事件指在真实世界中特定的时间和地点发生的与特定主题相关的活动,例如,社会动乱、暴恐袭击、自然灾害和传染病流行等事件会对国家安全和人民群众的生活产生重大威胁。如果能对此类事件的发生进行有效预测,将最大程度地减少负面事件带... 事件指在真实世界中特定的时间和地点发生的与特定主题相关的活动,例如,社会动乱、暴恐袭击、自然灾害和传染病流行等事件会对国家安全和人民群众的生活产生重大威胁。如果能对此类事件的发生进行有效预测,将最大程度地减少负面事件带来的影响或最大化正面事件带来的利益。关于事件的研究中,准确预测事件仍然是一个非常具有挑战性的任务。文中提出了一种基于图注意力网络的事件预测方法LAT-GAT(Local Augmented Temporal-GAT),该方法使用条件变分编码器,在所构建的事件图中对目标节点的邻居节点生成新的特征样本,与节点原有特征进行拼合,形成新的节点特征,实现了对事件的传播结构的利用;另外,LAT-GAT还考虑了历史事件发生的时间先后顺序,将网络在上一时间点的输出结果集成到当前时间的特征中,从而实现了对事件传播时间特性的利用。最后,在泰国、印度、埃及和俄罗斯这4个国家真实事件数据集上,与多种代表性基线方法进行了对比实验。实验结果表明,LAT-GAT在4个国家数据上的F1评分都优于基线方法;在泰国、俄罗斯和印度数据集上召回率优于基线方法;在泰国、埃及和印度数据集上也获得了最高的准确率。还通过消融实验考察了模型参数对最终结果的影响。 展开更多

关键词 事件预测 图注意力网络 动态图 条件变分编码器 数据增强

在线阅读 下载PDF 职称材料

基于条件变分自编码器的熔铸炸药成型缺陷快速模拟和预测

8

作者 滕浩 李锡文 +1 位作者 王学林 胡于进 《火炸药学报》 EI CAS CSCD 北大核心 2024年第7期640-648,I0003,共10页

为了实现凝固缺陷的快速模拟和预测,提出了一种基于条件变分自编码器(CVAE)的熔铸炸药成型缺陷预测模型;以注液温度、冒口预热温度等工艺参数为条件,通过条件变分自编码器建立工艺参数与熔铸炸药缺陷的条件概率模型;采用多层神经网络和... 为了实现凝固缺陷的快速模拟和预测,提出了一种基于条件变分自编码器(CVAE)的熔铸炸药成型缺陷预测模型;以注液温度、冒口预热温度等工艺参数为条件,通过条件变分自编码器建立工艺参数与熔铸炸药缺陷的条件概率模型;采用多层神经网络和变分推断方法结合进行模型训练,实现了RHT和DNP基熔铸炸药凝固成型缺陷预测。结果表明,成功构建了熔铸炸药凝固过程数值模拟的条件概率分布,实现了基于仿真数据的RHT和DNP基熔铸炸药凝固缺陷预测;与有限元直接数值计算结果比较,CVAE算法计算缺陷位置的准确率可达到99%,计算时间小于2 s;CVAE在熔铸炸药缺陷概率分布建模上具有性能高、泛化性强的特点,能有效实现熔铸炸药成型缺陷的智能预测。 展开更多

关键词 条件变分自编码器 CVAE 熔铸炸药 数值模拟 成型缺陷 多层神经网络 变分推断方法

在线阅读 下载PDF 职称材料

面向未知域场景的车辆轨迹预测模型

9

作者 卢一凡 李煊鹏 薛启凡 《智能系统学报》 CSCD 北大核心 2024年第5期1238-1247,共10页

自动驾驶技术随着科技革新迎来蓬勃发展,轨迹预测已成为智能汽车软件系统不可或缺的关键组成部分。为了解决传统车辆轨迹预测模型中存在的泛化能力不足的问题,提出一种基于泛化终点预测和地图场景的车辆轨迹预测方法。该方法采用基于不... 自动驾驶技术随着科技革新迎来蓬勃发展,轨迹预测已成为智能汽车软件系统不可或缺的关键组成部分。为了解决传统车辆轨迹预测模型中存在的泛化能力不足的问题,提出一种基于泛化终点预测和地图场景的车辆轨迹预测方法。该方法采用基于不变风险最小化的条件变分自编码器生成轨迹终点,并结合时序网络编码的地图场景特征,提升了模型预测未知域数据的准确率。在交互式道路场景数据集INTERACTION上的实验结果证明该模型具有良好的泛化性能。本方法与效果最好的方法REx相比1、2、3 s处的mADE值(越小越好)分别下降0%、36.59%、50.68%,在未知测试域的预测轨迹准确度得到显著提升。 展开更多

关键词 轨迹预测 域泛化 不变风险最小化 条件变分自编码器 端点生成 矢量地图 场景上下文 时序网络

在线阅读 下载PDF 职称材料

不平衡数据集下基于CVAE-CNN模型的智能电表故障多分类方法 被引量：22

10

作者 高欣 纪维佳 +3 位作者 赵兵 贾欣 黄子健 任昺 《电网技术》 EI CSCD 北大核心 2021年第8期3052-3060,共9页

提高智能电表故障不平衡多分类准确率对用电采集系统的可靠运行具有重要意义。传统机器学习中以合成少数类过采样(synthetic minority oversampling technique,SMOTE)算法及其变体为代表的过采样方法,较少考虑数据全局分布,而后续采用... 提高智能电表故障不平衡多分类准确率对用电采集系统的可靠运行具有重要意义。传统机器学习中以合成少数类过采样(synthetic minority oversampling technique,SMOTE)算法及其变体为代表的过采样方法,较少考虑数据全局分布,而后续采用的分类算法难以从数据中获取更深层特征信息。基于深度学习思想,提出一种基于条件变分自编码器-卷积神经网络(conditional variational auto encoder-convolutional neural network,CVAE-CNN)模型的不平衡多分类方法,将类别标签作为约束条件,搭建由全连接层构成的CVAE网络生成少数类样本,根据变分下界对服从多维且各维度为独立高斯分布的隐变量建模,学习各类分布特点和数据集全局特征,提高生成数据质量。平衡后的数据采用卷积神经网络进行分类,设计一维卷积层提取数据中潜藏的复杂特征,构造最大池化方法提高模型容错率,依据各类分布特点进行分类处理,提高对少数类别的识别率。以15个KEEL公开数据集和近年采集的智能电表故障数据作为实际算例,所提模型与典型的过采样方法和分类方法进行对比,实验结果表明具有更高的分类精度。 展开更多

关键词 智能电表 故障多分类 不平衡数据 条件变分自编码器 卷积神经网络

在线阅读 下载PDF 职称材料

条件变分时序图自编码器 被引量：2

11

作者 陈可佳 鲁浩 张嘉俊 《计算机研究与发展》 EI CSCD 北大核心 2020年第8期1663-1673,共11页

网络表示学习(也被称为图嵌入)是链接预测、节点分类、社区发现、图可视化等图任务的基础.现有大多数的图嵌入算法主要是针对静态图开发的,难以捕捉现实世界的网络随时间进化的动态特征.目前,针对动态网络表示学习方法的研究工作仍相对... 网络表示学习(也被称为图嵌入)是链接预测、节点分类、社区发现、图可视化等图任务的基础.现有大多数的图嵌入算法主要是针对静态图开发的,难以捕捉现实世界的网络随时间进化的动态特征.目前,针对动态网络表示学习方法的研究工作仍相对不足.提出了条件变分时序图自编码器(TS-CVGAE),可以同时学习动态网络的局部结构和随时间的演化模式.该方法首先改进了传统图卷积得到时序图卷积,并在条件变分自编码器的框架下使用时序图卷积对网络节点进行编码.训练结束后,条件变分自编码器的中间层就是最终的网络嵌入结果.实验结果表明,该方法在4个现实动态网络数据集上的链接预测表现均优于相关的静、动态网络表示学习方法. 展开更多

关键词 网络表示学习 条件变分自编码器 动态网络 图卷积 链接预测

在线阅读 下载PDF 职称材料

基于条件生成模型的高效近似查询处理框架 被引量：3

12

作者 白文超 韩希先 王金宝 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第5期995-1005,共11页

提出新型的近似查询处理方法,以克服近似查询处理任务中数据偏斜所导致的查询准确率低的问题.该方法以条件生成对抗神经网络为基础,融入条件变分自编码器,保证算法执行的稳定性,提高模型准确率;使用Wasserstein距离衡量模型误差,防止模... 提出新型的近似查询处理方法,以克服近似查询处理任务中数据偏斜所导致的查询准确率低的问题.该方法以条件生成对抗神经网络为基础,融入条件变分自编码器,保证算法执行的稳定性,提高模型准确率;使用Wasserstein距离衡量模型误差,防止模型坍塌.基于该条件生成模型实现近似查询处理,回答用户查询而无须访问底层数据,避免磁盘交互,并与聚集预计算相结合,构成高效的近似查询处理框架,能更加准确、快速地回答交互式查询.设计高效的表决算法,对模型生成的样本以及样本内部数据进行过滤,提高生成的样本质量,最小化查询误差.实验结果表明,与其他近似查询处理算法相比,该方法可以有效克服数据偏斜的影响,同时能够在更短的交互时间内更加准确地回答用户查询. 展开更多

关键词 条件生成对抗网络 条件变分自编码器 近似查询处理 聚集预计算 数据偏斜

在线阅读 下载PDF 职称材料

基于条件变分自编码网络的短文本分类 被引量：1

13

作者 康宸 郑山红 李万龙 《计算机应用与软件》 北大核心 2021年第9期280-285,共6页

传统文本分类模型在处理短文本时主题特征挖掘不够充分,导致短文本分类效果不佳。对此提出一种基于条件变分自编码的短文本分类模型。采用预训练的LDA主题模型得到的主题词项分布构造具有单通道的文本主题特征图,从采样重构过程中学习... 传统文本分类模型在处理短文本时主题特征挖掘不够充分,导致短文本分类效果不佳。对此提出一种基于条件变分自编码的短文本分类模型。采用预训练的LDA主题模型得到的主题词项分布构造具有单通道的文本主题特征图,从采样重构过程中学习连续及高度结构化的文本主题潜在空间,引入类别标签作为条件为重构加入更多的指导。利用预训练的主题潜在空间抽取文本主题特征构造短文本分类器。实验结果表明,相比于其他文本分类方法,该模型能够利用文本主题潜在空间充分挖掘短文本主题特征,其分类精确度明显提升。 展开更多

关键词 变分自编码网络 文本分类 潜在空间

在线阅读 下载PDF 职称材料

基于CVAE⁃CatBoost的工业控制网络异常流量检测研究 被引量：13

14

作者 张子宣 宗学军 +1 位作者 何戡 连莲 《计算机工程》 CAS CSCD 北大核心 2023年第5期173-180,共8页

为解决工业控制网络异常流量检测中存在的数据分布不均衡、现有模型检测率低的问题,提出一种基于条件变分自编码器(CVAE)和CatBoost算法的异常流量检测模型。CVAE引入标签信息作为约束条件,控制生成样本的类别。CatBoost算法通过引入无... 为解决工业控制网络异常流量检测中存在的数据分布不均衡、现有模型检测率低的问题,提出一种基于条件变分自编码器(CVAE)和CatBoost算法的异常流量检测模型。CVAE引入标签信息作为约束条件,控制生成样本的类别。CatBoost算法通过引入无偏估计克服梯度偏差,提高预测的准确性,同时采用多种树的生长方式降低过拟合的风险。使用CVAE进行数据增强,扩充稀有攻击样本,构建分布均匀的平衡数据集。将CatBoost算法作为异常流量检测模型,对Dos、Fuzzers等攻击样本进行精确识别并输出分类结果。实验结果表明:在UNSW-NB15数据集上,利用CVAE进行数据增强后,CatBoost算法对少数类样本的F1值平均提升了25.16个百分点,整体精确率、召回率和F1值分别达到87.85%、87.87%和87.86%;在ZYELL_NCTU NetTraffic_1.0数据集上,利用CVAE进行数据增强后,CatBoost算法对少数类样本的F1值平均提升了16.32%,整体精确率、召回率和F1值均达到99.85%。该模型能够有效避免数据不均衡问题,相较K近邻、随机森林、卷积神经网络等机器学习和深度学习算法具有更好的检测性能和泛化能力。 展开更多

关键词 工业控制网络 异常检测 数据不平衡 条件变分自编码器 CatBoost算法

在线阅读 下载PDF 职称材料

多层级乳品供应链网络均衡问题研究 被引量：6

15

作者 华连连 刘帅娟 +1 位作者 王建国 杨云飞 《运筹与管理》 CSSCI CSCD 北大核心 2020年第6期157-165,共9页

以乳品供应链网络为研究对象,构建包含原奶供应商、乳品加工企业、乳品分销商、终端消费市场四层决策主体的乳品供应链网络均衡模型。利用均衡理论和变分不等式理论,描述每个决策者的独立行为以及决策者之间相互影响的竞争行为,采用修... 以乳品供应链网络为研究对象,构建包含原奶供应商、乳品加工企业、乳品分销商、终端消费市场四层决策主体的乳品供应链网络均衡模型。利用均衡理论和变分不等式理论,描述每个决策者的独立行为以及决策者之间相互影响的竞争行为,采用修正投影法求出均衡解,并给出经济解释,通过数值算例验证模型的合理性和正确性。这一均衡模型有助于协调供应链中各成员之间的利益关系,提升乳品供应链整体运作效率,提高乳品行业的竞争力。 展开更多

关键词 乳品供应链网络 变分不等式 均衡条件 修正投影法

在线阅读 下载PDF 职称材料

图神经网络下的生成式室内家具摆放 被引量：1

16

作者 杨淼 樊庆楠 +2 位作者 王玉洁 段岳圻 陈宝权 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第3期457-464,共8页

自动的室内家具摆放在家居设计、动态场景生成等应用中具有显著的意义.传统算法往往通过显式的空间、语义和功能性上物体之间的关系来理解场景的内部结构,并进一步辅助室内场景的生成.随着大规模室内场景数据集的出现,提出将零散的输入... 自动的室内家具摆放在家居设计、动态场景生成等应用中具有显著的意义.传统算法往往通过显式的空间、语义和功能性上物体之间的关系来理解场景的内部结构,并进一步辅助室内场景的生成.随着大规模室内场景数据集的出现,提出将零散的输入家具编码进图结构,并利用图神经网络中迭代的消息传递隐式地学习场景的分布先验.为了满足家具摆放的多样性,提出将图神经网络融合进条件式变分自编码器.通过一个编码器将输入场景嵌入到一个符合高斯分布的隐变量,并通过一个生成器将从隐变量采样的场景先验用于条件式的新场景生成.在Fu-floor数据集上的实验结果表明,与基准算法相比,该算法在生成结果的评价指标最小匹配距离上表现更优.该算法对于未来实现场景补全、基于场景图的室内家具摆放等实际应用也具有显式的意义和价值. 展开更多

关键词 场景生成 家具摆放 图神经网络 条件式变分自编码器

在线阅读 下载PDF 职称材料

基于条件流的人脸正面化生成对抗模型

17

作者 张鹏升 解易 刘钊 《计算机应用与软件》 北大核心 2019年第12期156-161,183,共7页

根据侧面人脸合成正面人脸一直是计算机视觉领域中的一个难题。对此设计基于条件流的人脸正面化生成对抗网络模型。采用Glow模型作为生成网络实现高效的推理和合成;采用条件实例归一化层(CIN)来控制正面人脸的生成;采用变分判别器瓶颈(V... 根据侧面人脸合成正面人脸一直是计算机视觉领域中的一个难题。对此设计基于条件流的人脸正面化生成对抗网络模型。采用Glow模型作为生成网络实现高效的推理和合成;采用条件实例归一化层(CIN)来控制正面人脸的生成;采用变分判别器瓶颈(VDB),以潜在变量对身份进行判别,生成身份一致的正面人脸。在Multi PIE数据集上进行实验,实验分析表明,该网络模型可以生成更具真实性和多样性的正面人脸图片。 展开更多

关键词 人脸正面化 流模型 生产对抗网络 条件实例归一化层 变分判别器瓶颈

在线阅读 下载PDF 职称材料