基于无监督学习的单人多姿态图像生成方法

摘要：

针对目前视觉监控领域中采集到的人物数据样本量少和特征单一的问题,提出了一种具有高视觉感知约束的双向生成对抗网络生成期望人物姿态图像的方法.采用给定人物的单个图像和期望姿态的二维骨架作为双向生成对抗网络的输入,生成具有该目标人物期望姿态的图像.将生成的期望姿态图像反映射回原始姿态图像,利用少量的图像以无监督学习方式进行学习,生成该人物期望姿态的高质量图像.提出的方法在DeepFashion公开数据集上进行了实验,结果表明,采用文中提出的方法生成的图像结构相似度(SSIM)比以往的方法提高了0.28,有效的提升了基于无监督学习的单人多姿态人物图像生成的质量.

关键词：半监督学习、视觉监控、生成对抗网络、结构相似度

所属期刊栏目：35

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家重点研发计划;国家重点研发计划;辽宁省自然科学基金;辽宁省教育厅基本科研项目

在线出版日期：2020-05-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：60-64