-
题名基于谱归一化条件生成对抗网络的图像修复算法
被引量：11
- 1
-
-
作者
雷蕾
郭东恩
靳峰
-
机构
南阳理工学院软件学院
重庆邮电大学计算机科学与技术学院计算智能重庆市重点实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第1期230-238,共9页
-
基金
国家自然科学基金(61671091)
重庆市自然科学基金(cstc2017jcyjBX0037,cstc2017jcyjA0982)
+2 种基金
河南省高等学校重点科研项目(19A520030)
重庆市教委一般项目(CYB19173)
重庆邮电大学博士创新人才项目(BYJS201812)。
-
文摘
基于生成对抗网络的图像修复算法在修复大尺寸缺失图像时,存在图像失真较多与判别网络性能不可控等问题,基于谱归一化条件生成对抗网络,提出一种新的图像修复算法。引入谱归一化来约束判别网络的判别性能,间接提高修复网络的修复能力,并根据控制判别网络性能对谱归一化进行理论分析。通过类别信息约束特征生成,保证修复图像的内容不变性,引入扩展卷积算子对待修复图像进行像素级操作,解决修复图像缺乏局部一致性的问题。在此基础上,运用PSNR、SSIM等图像评价方法及分片Wasserstein距离、Inception分数、流形距离度量、GAN-train和GAN-test等流形结构相似度评价指标对修复图像进行综合评价。实验结果表明,与CE、GL等算法相比,该算法获得的修复图像在主观感受和客观评价指标上均有明显提高。
-
关键词
谱归一化
条件生成对抗网络
图像修复
判别性能
图像评价
-
Keywords
spectral normalization
conditional Generative Adversarial Network(GAN)
image inpainting
discrimination performance
image evaluation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名统计机器学习中参数可辨识性研究及其关键问题
被引量：3
- 2
-
-
作者
冉智勇
胡包钢
-
机构
重庆邮电大学计算机科学与技术学院计算智能重庆市重点实验室
中国科学院自动化研究所模式识别国家重点实验室
-
出处
《自动化学报》
EI
CSCD
北大核心
2017年第10期1677-1686,共10页
-
基金
国家自然科学基金(61573348
61620106003)资助~~
-
文摘
参数可辨识性研究在统计机器学习中具有重要的理论意义和应用价值.参数可辨识性是关于模型参数能否被惟一确定的性质.在包含物理参数的学习模型中,可辨识性不仅是物理参数获得正确估计的前提条件,更重要的是,它反映了学习机器中由参数决定的物理特征.为扩展到未来类人智能机器研究的考察视角,我们将学习模型纳入"知识与数据共同驱动模型"的框架中讨论.在此框架下,我们提出两个关键问题.第一是参数可辨识性准则问题.该问题考察与可辨识性密切相关的各种判断准则,其中知识驱动子模型与数据驱动子模型的耦合方式为参数可辨识性问题提供了新的研究空间.第二是参数可辨识性与机器学习理论和应用相关联的研究.该研究包括可辨识性对参数估计、模型选择、学习算法、学习动态过程、奇异学习理论、贝叶斯推断等内容的深刻影响.
-
关键词
可辨识性
统计机器学习
参数估计
奇异学习理论
贝叶斯推断
-
Keywords
Identifiability
statistical machine learning
parameter estimation, singular learning theory, Bayes inference
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
