期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到234篇文章
< 1 2 … 12 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
迁移学习研究进展 被引量：462
1
作者 庄福振 罗平 +1 位作者 何清 史忠植 《软件学报》 EI CSCD 北大核心 2015年第1期26-39,共14页
近年来,迁移学习已经引起了广泛的关注和研究.迁移学习是运用已存有的知识对不同但相关领域问题进行求解的一种新的机器学习方法.它放宽了传统机器学习中的两个基本假设:(1)用于学习的训练样本与新的测试样本满足独立同分布的条件;(2)... 近年来,迁移学习已经引起了广泛的关注和研究.迁移学习是运用已存有的知识对不同但相关领域问题进行求解的一种新的机器学习方法.它放宽了传统机器学习中的两个基本假设:(1)用于学习的训练样本与新的测试样本满足独立同分布的条件;(2)必须有足够可利用的训练样本才能学习得到一个好的分类模型.目的是迁移已有的知识来解决目标领域中仅有少量有标签样本数据甚至没有的学习问题.对迁移学习算法的研究以及相关理论研究的进展进行了综述,并介绍了在该领域所做的研究工作,特别是利用生成模型在概念层面建立迁移学习模型.最后介绍了迁移学习在文本分类、协同过滤等方面的应用工作,并指出了迁移学习下一步可能的研究方向. 展开更多
关键词 迁移学习 相关领域 独立同分布 生成模型 概念学习
下载PDF
人工智能研究的新前线：生成式对抗网络 被引量：82
2
作者 林懿伦 戴星原 +2 位作者 李力 王晓 王飞跃 《自动化学报》 EI CSCD 北大核心 2018年第5期775-792,共18页
生成式对抗网络(Generative adversarial networks,GAN)是当前人工智能学界最为重要的研究热点之一.其突出的生成能力不仅可用于生成各类图像和自然语言数据,还启发和推动了各类半监督学习和无监督学习任务的发展.本文概括了GAN的基本思... 生成式对抗网络(Generative adversarial networks,GAN)是当前人工智能学界最为重要的研究热点之一.其突出的生成能力不仅可用于生成各类图像和自然语言数据,还启发和推动了各类半监督学习和无监督学习任务的发展.本文概括了GAN的基本思想,并对近年来相关的理论与应用研究进行了梳理,总结了GAN常见的网络结构与训练方法,博弈形式,集成方法,并对一些应用场景进行了介绍.在此基础上,本文对GAN发展的内在逻辑进行了归纳总结. 展开更多
关键词 深度学习 生成式对抗网络 生成模型 对抗学习 平行学习
下载PDF
人工智能赋能课堂变革的核心价值:智慧生成与模式创新 被引量：23
3
作者 刘邦奇 《开放教育研究》 CSSCI 北大核心 2022年第4期42-49,共8页
人工智能时代智慧课堂的探索已走向生态化发展与模式创新阶段。随着新一代人工智能发展规划的深入推进和新课程方案的全面实施,课堂教学变革、学生智慧培养正面临新的挑战。因此,深入研究人工智能赋能的智慧生成机制及新的教学模式极为... 人工智能时代智慧课堂的探索已走向生态化发展与模式创新阶段。随着新一代人工智能发展规划的深入推进和新课程方案的全面实施,课堂教学变革、学生智慧培养正面临新的挑战。因此,深入研究人工智能赋能的智慧生成机制及新的教学模式极为紧迫。本文梳理了人工智能赋能智慧生成的核心理念,探讨了人工智能赋能智慧生成的体系框架,阐述了智慧生成的技术流程和技术应用三重境界,并构建了人工智能赋能的生成性教学模式,可为智慧课堂的升级发展和深化应用提供参考和启发。本研究对于一线教师和研究者把握人工智能赋能的智慧生成发展规律和实现路径,开展面向新课程方案实施的智慧教学改革具有参考价值。 展开更多
关键词 人工智能 智慧课堂 智慧生成 生成性模式
下载PDF
基于半监督学习生成对抗网络的人脸还原算法研究 被引量：23
4
作者 曹志义 牛少彰 张继威 《电子与信息学报》 EI CSCD 北大核心 2018年第2期323-330,共8页
基于大量训练样本生成高置信度图像的生成对抗网络研究已经取得一些成果,但是现有的研究只针对已知训练样本进行图像生成,而未将训练的参数用于训练样本之外的图像生成。该文设计了一种改进的生成对抗网络模型,在已有网络的基础上增加... 基于大量训练样本生成高置信度图像的生成对抗网络研究已经取得一些成果,但是现有的研究只针对已知训练样本进行图像生成,而未将训练的参数用于训练样本之外的图像生成。该文设计了一种改进的生成对抗网络模型,在已有网络的基础上增加一个还原层,使得测试图像可以通过改进的对抗网络生成对应的高置信度图像。实验结果表明,改进的生成对抗网络参数可以应用到训练集之外的普通样本。同时本文改进了生成模型的损失算法,极大地缩短了网络的收敛时间。 展开更多
关键词 生成对抗网络 半监督学习 生成模型 损失函数
下载PDF
生成对抗网络GAN的研究综述 被引量：21
5
作者 汪美琴 袁伟伟 张继业 《计算机工程与设计》 北大核心 2021年第12期3389-3395,共7页
为深入研究GAN这一热点模型,对基本GAN模型的原理、优点以及存在的问题进行分析;介绍GAN的发展以及不同的衍生模型,进一步说明GAN模型所做贡献,由此提出未来GAN衍生的改进方向的建议;描述GAN模型在图像、目标检测、文本合成、信息安全... 为深入研究GAN这一热点模型,对基本GAN模型的原理、优点以及存在的问题进行分析;介绍GAN的发展以及不同的衍生模型,进一步说明GAN模型所做贡献,由此提出未来GAN衍生的改进方向的建议;描述GAN模型在图像、目标检测、文本合成、信息安全等各个领域的应用现状,总结其应用优势、局限性,针对其存在的问题,提出一些改善方法;对本文进行总结以及对该领域未来的研究方向提出一些展望。 展开更多
关键词 生成对抗网络 机器学习 生成模型 图像生成 信息安全
下载PDF
基于生成式模型的目标跟踪方法综述 被引量：18
6
作者 朱文青 刘艳 +1 位作者 卞乐 张子龙 《微处理机》 2017年第1期41-47,共7页
目标跟踪技术因其在视频监控、人机交互以及交通检测等实际应用中有着广泛的应用,一直是计算机视觉领域研究的热点之一。传统的判别式算法通过分类器从背景中找出与目标最为相似的区域。为了取得更好的跟踪效果,近年来越来越多的学者采... 目标跟踪技术因其在视频监控、人机交互以及交通检测等实际应用中有着广泛的应用,一直是计算机视觉领域研究的热点之一。传统的判别式算法通过分类器从背景中找出与目标最为相似的区域。为了取得更好的跟踪效果,近年来越来越多的学者采用生成式算法跟踪目标。首先对生成式方法和判别式方法对比分析,针对生成式算法中的两个最核心问题—目标表示方法、目标模型—的研究现状通过分为不同的类别进行纵横对比综述,然后分类描述出了2008年至2014年出现的效果比较好的生成式算法,最后对基于生成式模型目标跟踪的未来进行展望。 展开更多
关键词 判别式方法 生成式方法 生成式模型 目标跟踪 目标模型 目标表示方法
下载PDF
生成对抗网络的研究进展综述 被引量：18
7
作者 吴少乾 李西明 《计算机科学与探索》 CSCD 北大核心 2020年第3期377-388,共12页
自生成对抗网络(GANs)诞生以来,对其研究已经成为机器学习领域的一个热点。它利用对抗学习的机制训练模型,解决了当年生成算法无法解决的问题。由于GANs的优势,研究者们对其进行深入的研究,产生了许多GANs的衍生模型,这使得GANs得到了... 自生成对抗网络(GANs)诞生以来,对其研究已经成为机器学习领域的一个热点。它利用对抗学习的机制训练模型,解决了当年生成算法无法解决的问题。由于GANs的优势,研究者们对其进行深入的研究,产生了许多GANs的衍生模型,这使得GANs得到了快速的发展,形成了所谓的GAN-Zoo。GANs被广泛应用于视觉领域、音频领域、自然语言领域及其他各种领域中,如图像生成、图像翻译、文本生成、音频转换和自然语言翻译等。从传统GANs出发,对近几年内GANs的研究中较为突出的方面进行总结,首先介绍了传统GANs的基本理论,然后对近年来GANs的主要衍生模型进行分析,最后总结了GANs在图像领域和信息安全领域中的主要应用成果。 展开更多
关键词 生成对抗网络(GANs) 散度函数 神经网络 生成模型
下载PDF
生成对抗网络图像处理综述 被引量：17
8
作者 朱秀昌 唐贵进 《南京邮电大学学报（自然科学版）》 北大核心 2019年第3期1-12,共12页
2014年提出的生成对抗网络(Generative Adversarial Networks,GAN)是近年来神经网络领域中为数不多的一项新锐技术。GAN在常见生成模型的基础上增加了一个判别模型,以形成巧妙的对抗学习机制,使它能够产生更高质量的图像。近年来各种改... 2014年提出的生成对抗网络(Generative Adversarial Networks,GAN)是近年来神经网络领域中为数不多的一项新锐技术。GAN在常见生成模型的基础上增加了一个判别模型,以形成巧妙的对抗学习机制,使它能够产生更高质量的图像。近年来各种改进型GAN在图像处理领域得到广泛应用,不但覆盖了几乎所有传统图像处理领域,还包括一些新应用,如图像编辑、图像翻译、风格转移等,普遍取得了胜过传统方法的良好结果。文中在简要分析GAN的系统结构、对抗生成和网络训练的基础上,重点介绍了为提高GAN性能、克服现存缺陷和满足不同应用而出现的多种改进型GAN,如DC-GAN、W-GAN、Big-GAN等。尽管如此,目前GAN尚处于初始发展阶段,将来的前途不可估量。 展开更多
关键词 深度学习 生成对抗网络 图像处理 生成模型 判别模型
下载PDF
基于GAN技术的自能源混合建模与参数辨识方法 被引量：17
9
作者 孙秋野 胡旌伟 +1 位作者 杨凌霄 张化光 《自动化学报》 EI CSCD 北大核心 2018年第5期901-914,共14页
自能源(We-energy,WE)作为能源互联网的子单元旨在实现能量间的双向传输及灵活转换.由于自能源在不同工况下运行特性存在很大差异,现有方法还不能对其参数精确地辨识.为了解决上述问题,本文根据自能源网络结构提出了一种基于GAN技术的... 自能源(We-energy,WE)作为能源互联网的子单元旨在实现能量间的双向传输及灵活转换.由于自能源在不同工况下运行特性存在很大差异,现有方法还不能对其参数精确地辨识.为了解决上述问题,本文根据自能源网络结构提出了一种基于GAN技术的数据–机理混合驱动方法对自能源模型参数辨识.将GAN(Generative adversarial networks)模型中训练数据与专家经验结合进行模糊分类,解决了自能源在不同运行工况下的模型切换问题.通过应用含策略梯度反馈的改进GAN技术对模型进行训练,解决了自能源中输出序列离散的问题.仿真结果表明,提出的模型具有较高的辨识精度和更好的推广性,能有效地拟合系统不同工况下各节点的状态变化. 展开更多
关键词 能源互联网 自能源 生成式对抗网络 生成式模型 对抗学习 零和博弈
下载PDF
基于级联生成对抗网络的人脸图像修复 被引量：16
10
作者 陈俊周 王娟 龚勋 《电子科技大学学报》 EI CAS CSCD 北大核心 2019年第6期910-917,共8页
人脸图像修复技术为近年来图像处理领域的研究热点.该文提出一种基于级联生成对抗网络的人脸图像修复方法,从生成器、判别器、损失函数三个方面进行改良.生成器采用由粗到精的级联式模型,并结合密集连接模块使所修复区域更加精细;判别... 人脸图像修复技术为近年来图像处理领域的研究热点.该文提出一种基于级联生成对抗网络的人脸图像修复方法,从生成器、判别器、损失函数三个方面进行改良.生成器采用由粗到精的级联式模型,并结合密集连接模块使所修复区域更加精细;判别器采用局部与全局特征相融合的双重判别式模型以提升判别准确性;损失函数采用最小化重构损失和对抗网络损失相结合以获得更好训练效果.基于CelebA数据集的实验显示,该方法可实现面部区域丢失50%以上的人脸图像修复,在客观评价指标PSNR和SSIM上,较现有方法分别提高了1.1~7.5 dB和0.02~0.15.从主观效果来看,该方法修复的人脸图像拥有更丰富的细节、更显自然. 展开更多
关键词 卷积神经网络 人脸图像修复 生成对抗网络 生成模型 无监督学习
下载PDF
协作式生成对抗网络 被引量：16
11
作者 张龙 赵杰煜 +1 位作者 叶绪伦 董伟 《自动化学报》 EI CSCD 北大核心 2018年第5期804-810,共7页
生成对抗网络(Generative adversarial nets,GANs)将生成模型与判别模型进行了巧妙结合,采用无监督的训练方式,通过相互对抗共同提高,其在学术界掀起了一股新的机器学习热潮.GANs的学习目标是可以完整拟合任意真实样本的数据分布,然而... 生成对抗网络(Generative adversarial nets,GANs)将生成模型与判别模型进行了巧妙结合,采用无监督的训练方式,通过相互对抗共同提高,其在学术界掀起了一股新的机器学习热潮.GANs的学习目标是可以完整拟合任意真实样本的数据分布,然而在实际当中,真实样本分布的复杂程度难以预计,容易发生模式坍塌(Mode collapse)等问题,从而导致结果冗余,模型不收敛等.为提高无监督条件下的GANs生成能力,减少或消除模式坍塌,本文提出一种全新的协作式生成网络结构,通过构建多个生成模型,引入协作机制,使得生成模型在训练过程中能够相互学习,共同进步,从而提高模型对真实数据的拟合能力,进一步提高生成质量.通过在三组不同类型的数据集上进行实验,分析对比结果后发现新模型在二维图像生成方面,特别是人脸图片,有着显著的效果,协作机制不仅可以加快模型收敛速度,提高训练效率,还能消除损失函数噪声,在三维模型生成方面也产生了一定的影响.通过调整模型参数,模式坍塌问题也得到了遏制.本文还设计了一种动态学习方法,动态调节模型的学习速率,有效减少了过大或过小的梯度惩罚. 展开更多
关键词 生成对抗网络 协作式 模式坍塌 生成模型 无监督学习
下载PDF
神经风格迁移模型综述 被引量：15
12
作者 唐稔为 刘启和 谭浩 《计算机工程与应用》 CSCD 北大核心 2021年第19期32-43,共12页
神经风格迁移技术主要用于对图像、视频等进行风格化,使其具有艺术美感,该领域极具应用价值,是人工智能的热门研究领域之一。为推动神经风格迁移领域的研究发展,对神经风格迁移技术进行了全面概述。简述了非真实感渲染技术和传统的纹理... 神经风格迁移技术主要用于对图像、视频等进行风格化,使其具有艺术美感,该领域极具应用价值,是人工智能的热门研究领域之一。为推动神经风格迁移领域的研究发展,对神经风格迁移技术进行了全面概述。简述了非真实感渲染技术和传统的纹理迁移技术。对现有神经风格迁移模型进行了分类整理,并详细探讨了各类代表性模型的算法原理及后续改进,分析了神经风格迁移技术的应用市场。提出对风格迁移模型质量的评判应该从定性评估和定量评估两个方面来考虑,并从各个角度讨论了现阶段风格迁移技术存在的问题以及未来研究方向。最后强调应提高模型的综合能力,在保证生成质量的情况下提升生成速度以及泛化能力。 展开更多
关键词 神经风格迁移 深度学习 卷积神经网络 生成模型 生成对抗网络
下载PDF
基于内容相关性的场景图像分类方法 被引量：13
13
作者 秦磊 高文 《计算机研究与发展》 EI CSCD 北大核心 2009年第7期1198-1205,共8页
场景图像分类是计算机视觉领域中的一个基本问题.提出一种基于内容相关性的场景图像分类方法.首先从图像上提取视觉单词,并把图像表示成视觉单词的词频矢量;然后利用产生式模型来学习训练集合中包含的主题,和每一幅图像所包含的相关主题... 场景图像分类是计算机视觉领域中的一个基本问题.提出一种基于内容相关性的场景图像分类方法.首先从图像上提取视觉单词,并把图像表示成视觉单词的词频矢量;然后利用产生式模型来学习训练集合中包含的主题,和每一幅图像所包含的相关主题;最后用判定式分类器进行多类学习.提出的方法利用logistic正态分布对主题的相关性进行建模,使得学习得到的类别的主题分布更准确.并且在学习过程中不需要对图像内容进行人工标注.还提出了一种新的局部区域描述方法,它结合了局部区域的梯度信息和彩色信息.在自然场景图像集合和人造场景图像集合上实验了提出的方法,它相对于传统方法取得了更好的结果. 展开更多
关键词 场景图像分类 产生式模型 logistic正态分布 内容相关性 计算机视觉
下载PDF
生成式对抗网络研究与应用进展 被引量：14
14
作者 柴梦婷 朱远平 《计算机工程》 CAS CSCD 北大核心 2019年第9期222-234,共13页
基于零和博弈思想的生成式对抗网络(GAN)可通过无监督学习获得数据的分布,并生成较逼真的数据。基于GAN的基础概念及理论框架,研究各类GAN模型及其在特定领域的应用情况,从数据相似性度量、模型框架、训练方法3个方面进行分析,对GAN改... 基于零和博弈思想的生成式对抗网络(GAN)可通过无监督学习获得数据的分布,并生成较逼真的数据。基于GAN的基础概念及理论框架,研究各类GAN模型及其在特定领域的应用情况,从数据相似性度量、模型框架、训练方法3个方面进行分析,对GAN改进与扩展的相关研究成果进行总结,并从图像合成、风格迁移等应用领域展开讨论,归纳出GAN的优势与不足,同时对其应用前景进行展望。分析结果表明,GAN的学习能力与可塑性强,改进潜力大,应用范围广,但其发展面临的挑战是训练过程不稳定,且缺乏生成数据质量的客观评价标准。 展开更多
关键词 生成式对抗网络 生成式模型 对抗学习 深度学习 人工智能
下载PDF
技术恐惧的结构和生成模型 被引量：14
15
作者 赵磊 夏保华 《自然辩证法通讯》 CSSCI 北大核心 2014年第3期70-75,127,共6页
技术恐惧的结构模型是技术恐惧的主体、客体和社会语境三大系统在相互影响、相互作用下形成的有机框架体系,反映了技术恐惧各构成要素之间的相互关联和结构关系。正是技术恐惧的各构成要素之间的相互作用关系,聚合成技术恐惧形成和发展... 技术恐惧的结构模型是技术恐惧的主体、客体和社会语境三大系统在相互影响、相互作用下形成的有机框架体系,反映了技术恐惧各构成要素之间的相互关联和结构关系。正是技术恐惧的各构成要素之间的相互作用关系,聚合成技术恐惧形成和发展的原动力,才催生了人对技术所特有的心理和行为反应,促成了技术恐惧现象,这又构成了技术恐惧的生成模型。通过建构技术恐惧的结构和生成模型,可以厘清技术恐惧的内部结构及其要素的相互关联,便于人们更准确地理解和把握技术恐惧的真实含义及其生成过程,并合理应对技术恐惧这种社会和文化现象。 展开更多
关键词 技术恐惧 内涵 结构模型 生成模型
原文传递
生成式不完整多视图数据聚类 被引量：14
16
作者 赵博宇 张长青 +3 位作者 陈蕾 刘新旺 李泽超 胡清华 《自动化学报》 EI CAS CSCD 北大核心 2021年第8期1867-1875,共9页
基于自表示子空间聚类的多视图聚类引起越来越多的关注.大多数现有算法假设每个样本的所有视图都可获得,然而在实际应用中,由于各种因素,可能会导致某些视图缺失.为了对视图不完整数据进行聚类,本文提出了一种在统一框架下同时执行缺失... 基于自表示子空间聚类的多视图聚类引起越来越多的关注.大多数现有算法假设每个样本的所有视图都可获得,然而在实际应用中,由于各种因素,可能会导致某些视图缺失.为了对视图不完整数据进行聚类,本文提出了一种在统一框架下同时执行缺失视图补全和多视图子空间聚类的方法.具体地,缺失视图是由已观测视图数据约束的隐表示生成的.此外,多秩张量应用于挖掘不同视图之间的高阶相关性.这样通过隐表示和高阶张量同时挖掘了不同视图以及所有样本(即使是不完整视图样本)之间的相关性.本文使用增广拉格朗日交替方向最小化(AL-ADM)方法求解优化问题.在真实数据集上的实验结果表明,我们的方法优于最新的多视图聚类算法,具有更好的聚类准确度和鲁棒性. 展开更多
关键词 视图缺失 多视图聚类 张量 生成式模型
下载PDF
基于扩展生成语言模型的图像自动标注方法 被引量：9
17
作者 王梅 周向东 +2 位作者 张军旗 许红涛 施伯乐 《软件学报》 EI CSCD 北大核心 2008年第9期2449-2460,共12页
使用最大权匹配算法,结合统计平滑技术,提出图像区域特征生成概率估计方法,并进一步对训练集中标注词之间的语义相关性(correlation)进行分析与度量,给出一种基于生成模型的图像标注算法.算法使用所提出的基于最大权匹配的图像生成概率... 使用最大权匹配算法,结合统计平滑技术,提出图像区域特征生成概率估计方法,并进一步对训练集中标注词之间的语义相关性(correlation)进行分析与度量,给出一种基于生成模型的图像标注算法.算法使用所提出的基于最大权匹配的图像生成概率估计方法得到较好的起始点,进而设计启发式迭代函数对词与词的相关性加以利用,最终提高标注词与图像的语义相关性.在现实世界图像数据库上的实验结果验证了所提出标注方法的有效性. 展开更多
关键词 图像标注 生成模型 连续特征估计 最大权匹配 语义相关性
下载PDF
基于对抗生成网络的纹理合成方法 被引量：13
18
作者 余思泉 韩志 +1 位作者 唐延东 吴成东 《红外与激光工程》 EI CSCD 北大核心 2018年第2期34-39,共6页
纹理合成是计算机图形学、计算机视觉和图像处理领域的研究热点之一。传统的纹理合成方法往往通过提取有效的特征样式或统计量并在该特征信息的约束下生成随机图像来实现。对抗生成网络作为一种较新的深度网络形式,通过生成器和判别器... 纹理合成是计算机图形学、计算机视觉和图像处理领域的研究热点之一。传统的纹理合成方法往往通过提取有效的特征样式或统计量并在该特征信息的约束下生成随机图像来实现。对抗生成网络作为一种较新的深度网络形式,通过生成器和判别器的对抗训练能够随机生成与观测数据具有相同分布的新数据。鉴于此,提出了一种基于对抗生成网络的纹理合成方法。该算法的优点是不需要经过多次迭代就能够生成更真实纹理图像,且生成图像在视觉上与观测纹理图像一致的同时具有一定随机性。一系列针对随机纹理和结构性纹理的合成实验验证了该算法的有效性。 展开更多
关键词 纹理合成 深度学习 生成模型 对抗生成网络
下载PDF
生成对抗网络改进角度与应用研究综述 被引量：9
19
作者 张彬 周粤川 +3 位作者 张敏 李佳 张建勋 郭志刚 《计算机应用研究》 CSCD 北大核心 2023年第3期649-658,共10页
生成对抗网络(GAN)作为一种新兴的生成式模型,逐渐发展应用于图像生成、三维重构、跨模态转换等领域,有效解决了常规卷积神经网络在图像生成类任务方面效率低下的问题,填补了深度学习在图像生成领域上的短板。为了帮助后续研究人员快速... 生成对抗网络(GAN)作为一种新兴的生成式模型,逐渐发展应用于图像生成、三维重构、跨模态转换等领域,有效解决了常规卷积神经网络在图像生成类任务方面效率低下的问题,填补了深度学习在图像生成领域上的短板。为了帮助后续研究人员快速并全面了解GAN,根据近年来的文献对GAN的改进模型进行梳理。首先从网络结构、目标函数两个角度介绍了GAN的基本原理,然后对GAN的各种衍生模型从改进角度、应用类型两个方面进行详细的阐述和总结,分别从主观定性、客观定量和任务专项评估等角度对生成图像的质量和多样性进行归纳分析,最后讨论了GAN系列模型近年来的一些核心问题与最新研究进展,并分析了未来的发展趋势。 展开更多
关键词 生成对抗网络 图像生成 图像转换 生成式模型
下载PDF
基于生成对抗网络的数字图像修复技术 被引量：13
20
作者 李雪瑾 李昕 徐艳杰 《电子测量与仪器学报》 CSCD 北大核心 2019年第1期40-46,共7页
针对破损区域面积大的图像,在现有的图像修复方法中,往往会产生与周围区域不一致的扭曲结构或模糊的纹理。随着深度学习的发展和应用,基于生成对抗网络的方法,通过调节可用数据来生成缺失的内容。对于一个数据集,先将数据集中的样本解... 针对破损区域面积大的图像,在现有的图像修复方法中,往往会产生与周围区域不一致的扭曲结构或模糊的纹理。随着深度学习的发展和应用,基于生成对抗网络的方法,通过调节可用数据来生成缺失的内容。对于一个数据集,先将数据集中的样本解析成概率分布中的样本点,利用生成对抗网络快速生成出大量伪造图像,通过搜索最接近的已损坏图像的编码,然后这个编码通过生成模型来推断缺失内容。在此基础上,结合了语义损失函数和感知损失函数,并通过改进激活函数Sigmoid函数扩大了不饱和区域,解决了梯度易消失的问题。通过实验表明,方法成功的预测了图像中大面积缺失区域的信息,并实现了照片的真实感,比先前的方法产生更清晰更连贯的结果。 展开更多
关键词 图像修复 深度学习 生成对抗网络 生成模型 损失函数
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 12 下一页 到第 页
使用帮助 返回顶部