基于对抗训练和卷积神经网络的面部图像修复

摘要：

为了有效地修复大面积破损的面部图像,使用了解码器-编码器结构的卷积神经网络作为生成模型,并在其部分层之间增加skip-connection,以增强生成模型的结构信息预测能力,同时引入对抗训练策略优化生成模型.该模型首先训练一个判别模型识别真实图像,再利用其判别待修复图像输入生成模型后所得到的输出是否为真实,以此为生成模型提供优化梯度.结合了卷积神经网络的结构信息预测能力和GANs对抗策略的优化能力,提高了图像补全的效果.在CelebA人脸数据集上进行的实验结果表明,该方法在补全大面积破损的图像任务上性能明显优于其他方法.

关键词：深度学习、生成对抗网络(GANs)、卷积神经网络(CNN)、图像补全、跳跃连接

所属期刊栏目：55

分类号：TP391(计算技术、计算机技术)

在线出版日期：2019-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：110-115,136