面向图像场景转换的改进型生成对抗网络
作者:
作者单位:

作者简介:

肖进胜(1975-),男,博士,副教授,CCF专业会员,主要研究领域为计算机视觉,图像处理与分析.
李亮(1995-),男,硕士,主要研究领域为图像处理.
周景龙(1996-),男,硕士,主要研究领域为图像处理与分析.
丁玲(1979-),男,博士,副教授,主要研究领域为人工智能,计算机视觉,图像处理.
雷俊锋(1975-),男,博士,副教授,主要研究领域为计算机视觉,图像处理与分析.
杜治一(1997-),男,学士,主要研究领域为计算机视觉,图像处理与分析.

通讯作者:

肖进胜,E-mail:xiaojs@whu.edu.cn

中图分类号:

TP183

基金项目:

国家重点研发计划(2017YFB1302401);国家自然科学基金(61471272)


Improved Generative Adversarial Network for Image Scene Transformation
Author:
Affiliation:

Fund Project:

National Key Research and Development Program of China (2017YFB1302401); National Natural Science Foundation of China (61471272)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    设计了新的生成器网络、判决器网络以及新的损失函数,用于图像场景转换.首先,生成器网络采用了带跨层连接结构的深度卷积神经网络,其中,多个跨层连接以实现图像结构信息的共享;而判决器网络采用了多尺度全域卷积网络,多尺度判决器可以区分不同尺寸下的真实和生成图像.同时,对于损失函数,该算法借鉴其他算法提出了4种损失函数的组合,并通过实验对比证明了新损失函数的有效性,包括GAN损失、L1损失、VGG损失、FM损失.从实验结果显示,该算法能够实现多种转换,且转换后图像的细节保留较为完整,生成图像较为真实,明显消除了块效应.

    Abstract:

    This study designs a new generator network, a new discriminator network, and a new loss function for image scene conversion. First, the generator network uses a deep convolutional neural network with a skip connection structure, in which multi-skip connection is used to share the structure information of the image. For the discriminator network, it uses a multi-scale global convolutional network which can distinguish between real and generated images of different sizes. At the same time, the new loss function is a combination of four loss functions referring to other algorithms, including GAN loss, L1 loss, VGG loss, and feature matching loss. Moreover, the validity of the new loss function is demonstrated through experimental comparisons. The experimental results show that the proposed algorithm can achieve multi-image transformations, and the details of generated images are preserved completely, the generated image is more realistic, and the block effect is obviously eliminated.

    参考文献
    相似文献
    引证文献
引用本文

肖进胜,周景龙,雷俊锋,李亮,丁玲,杜治一.面向图像场景转换的改进型生成对抗网络.软件学报,2021,32(9):2755-2768

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2019-07-19
  • 最后修改日期:2019-10-21
  • 录用日期:
  • 在线发布日期: 2021-09-15
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号