一种基于生成对抗网络的图像修复算法

论文摘要

针对目前基于生成对抗网络（GAN）的图像修复算法存在修复效果的视觉连续性不佳、网络训练过程中模型崩溃等问题,提出一种基于双判别器的生成对抗网络的修复算法。该方法将WGAN-GP的损失函数引入全局判别器和局部判别器中,并结合改进的上下文内容损失来训练网络模型,修复破损区域。在CelebA数据集以峰值信噪比PSNR和结构相似性SSIM的标准下的实验结果证明,该算法提高了图像修复结果的质量和训练稳定性。

论文目录

文章来源

类型: 期刊论文

作者: 李天成,何嘉

关键词: 深度学习,生成对抗网络,图像修复,卷积神经网络

来源: 计算机应用与软件 2019年12期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用

单位: 成都信息工程大学计算机学院

基金: 四川省科技厅应用基础重点项目(2017JY0011)

分类号: TP391.41

页码: 195-200+267

总页数: 7

文件大小: 1111K

下载量: 577

相关论文文献

标签：深度学习论文;  生成对抗网络论文;  图像修复论文;  卷积神经网络论文;