【摘 要】
:
生成式对抗网络(GAN)通过对某个特定事物经过大量数据的训练学习,从而总结出其在数学层面上的分布规律,构建出合理的映射函数,从而解决现实问题。这种网络结构在深度学习领域中大放异彩,无论是计算机视觉(CV),亦或是自然语言处理(NLP)都涌现出许多优秀GAN结构。比如可以生成图像数据集,降低人工收集和标注成本的Pro GAN;比如将文字转换为图像,为艺术提供一种新表现形式的Ti VGAN;比如对照片
论文部分内容阅读
生成式对抗网络(GAN)通过对某个特定事物经过大量数据的训练学习,从而总结出其在数学层面上的分布规律,构建出合理的映射函数,从而解决现实问题。这种网络结构在深度学习领域中大放异彩,无论是计算机视觉(CV),亦或是自然语言处理(NLP)都涌现出许多优秀GAN结构。比如可以生成图像数据集,降低人工收集和标注成本的Pro GAN;比如将文字转换为图像,为艺术提供一种新表现形式的Ti VGAN;比如对照片进行编辑,进行在线发型设计、在线衣物试穿等操作的Star GAN;比如进行照片修复、提高照片分辨率的DSD-GAN。GAN凭借其在零和游戏框架中相互竞争的设计特点遍及于各类图像处理研究中。GAN在解决大量复杂问题的同时,也从另一方面带来了一些担忧。因为其对图像可进行的操作过于广泛,同时其生成的效果也极为逼真,这对传统视觉信息的可信度和安全性产生了巨大的威胁。然而,现有鉴别方法或是针对某种特定的GAN所开发,不具备普适性;或是使用海量数据通过大量训练进行鉴别,其对设备算力的要求极高,所需时间也极长。对此,本研究通过剖析现有GAN模型的特点,探究不同GAN模型在训练、生成时的共性,寻找现有图像生成类GAN模型在生成过程中所共有的特征点,并由此提出了基于功率谱的合成图像鉴别方法,同时对数种常见GAN模型生成的合成图像进行鉴别测试,并与现有方法进行对比试验,主要完成如下工作:(1)基于GAN的合成图像在数据增强中的应用研究。采用基于域转换方式的Star GAN和基于样式混合方法的Style GAN对一组真实的正面人脸图像进行处理,生成一组基于光线、表情、角度等条件变换或轻微遮挡的合成人脸图像,并利用基于Res Net的二分类网络对合成图像进行人脸识别训练,随后将用来生成合成图像的真实图像作为测试集进行识别测试,实验证明使用合成图像训练的分类网络可以实现对于人脸的准确识别,仿真的实验结果验证了合成图像在传统的空间域中对于神经网络而言并无本质区别。(2)基于功率谱的GAN生成图像特征点研究。首先对生成类GAN的底层结构与生成原理进行分析,发现GAN模型中均包括上采样层,同时其对于图像的生成处理至关重要,而效果最好的上采样方法是转置卷积法与最近邻插值法,这会导致图像中存在许多异常的高频信息,并且无法在不损害图像质量的情况下滤除。其次对图像进行功率谱计算可以很好的突出其中的高频信息。随后对数种常见的GAN模型生成的合成图像计算其功率谱数据,并进行对比分析,实验证明常见的GAN模型生成的合成图像均存在类似的异常高频分布,并且每种GAN模型生成的高频信息均存在其独有特征,实验结果验证了利用图像中异常的高频信息作为鉴别特征点的可行性。(3)基于功率谱的合成图像鉴别研究。首先利用海量真实图像计算其平均功率谱作为一组基准数据,以该组数据作为正常情况下的高频信号分布特征。其次,以辛格函数配合权重系数矩阵的方式对基准特征分布与合成图像的异常高频信号分布进行数学建模,并利用空间差异度的计算方法,提取出每种GAN模型生成图像的高频分布特征,以实现最大程度上区分不同GAN模型生成的合成图像之间差异的目的。最后利用Res Net作为分类网络进行多分类鉴别训练,并与现有的时域鉴别方法和频域鉴别方法进行对比实验,证明基于功率谱的鉴别方法具有更低的时间复杂度和更高的鉴别准确率,实验结果验证了本研究不仅可以实现对合成图像的高效鉴别,亦可以对合成图像的生成模型准确溯源。
其他文献
信息化的21世纪要求人们转变线性简单的思维,解决复杂的系统问题。在这种时代背景下,社会对培训学生的系统化思维能力提出了更高的要求,生物学科讲授生物的组成,遗传,生存的环境等内容,与自然环境和人类生活紧密相连,具备极强的系统性,在培养学生系统化思维能力中具有明显优势的。问题中心教学模式(Problem-based Learning,简称PBL教学模式)是一种以问题为核心,协同解决问题的教学模式,已在
当今社会经济、科技的飞速发展,生活发生了巨大的变化,在全面建成小康社会的关键时期,对国民的整体素质和人才的培养质量都有了更高及更新的要求。为推动学生的全面发展,提升学科的教育价值,各个学科的教育目标都是以“核心素养”为出发点的。《义务教育阶段生物学课程标准(2022年版)》明确提出生物学科核心素养这一概念,这与高中阶段的核心素养既有区别也有联系。2021年9月中共中央办公厅、国务院办公厅印发了《关
人脸因其面部特征的稳定性给身份识别带来了方便,但是,微整容后的人脸五官特征会发生一定程度的变化,微整容在日常生产中给人脸识别技术带来了新的挑战。若在身份验证时,待识别的微整容人脸图像特征与数据库中相关证件上的人脸图像特征存在差异时,会导致身份验证错误,给需要进行身份验证机构的工作带来了诸多不便。为此,本文针对微整容后的人脸识别的问题,主要从三方面进行研究:自制相关微整容人脸图像数据集,选取适合的损
生物学学科作为一门自然科学中的基础学科,其学科特点主要由对自然规律探索的思维方式和探究过程来体现,而生物学实验正是实现这一探究过程的主要途径。传统的高中生物学实验教学模式单一,而PBL(Problem-Based Learning,PBL)模式是一种基于问题的学习,以学生为主的教学模式,通过小组合作的方式协同解决问题,在学生主动参与、积极探究的过程中逐步构建知识体系,这也与新课标所提出的注重核心素
抗菌肽具有广谱抗菌性,同时还具有抗病毒、抗肿瘤、免疫调节等多种生理特性。相比于抗生素,抗菌肽凭借其独特的膜渗透活性机制,具有不易产生耐药性的巨大优势,应用前景广阔。深入探索抗菌肽膜渗透活性在不同膜物理性质下的响应是抗菌肽得以广泛应用的重要前提。但遗憾的是,目前对于其中的分子作用机理尚不完全清楚。基于仿细胞膜模型探索抗菌肽膜渗透活性机理,可以避免潜在活性细胞过程的影响。在此,本论文以蜂毒肽(Meli
信息技术的迅速发展促进了工商业的现代化进程,数据源生成数据的速度越来越快,这种快速、连续、潜在无限、随时间变化的有序序列称之为“数据流”。数据流存在数据分布随时间发生变化的概念漂移现象,概念漂移现象被认为是机器学习模型精度下降的主要原因之一。在不断变化的大数据环境中,如何提供更可信有效的机器学习模型成为研究人员关注的热点。概念漂移现象使得传统的数据分析处理技术不能获得很好的效果,为数据挖掘、数据流
随着教育信息化的持续发展,数字资源与教育教学的融合将是必然趋势。教育部印发的《教育信息化2.0行动计划》中,也强调努力构建“互联网+条件下的人才培养新模式、发展基于互联网的教育服务新模式、探索信息时代教育治理新模式。”同时,新一代的青少年也是数字化的一代,他们对数字化技术有着天然的敏感度。互联网参与其中的学习模式比传统的教学模式更符合新一代青少年的学习需求,更能引发这一代学生的学习兴趣,提高美术教
贝叶斯网络采用图模型描述变量之间的依赖关系,因其结构清晰,具有突出的决策机制和学习机制,故拥有优秀的推理能力。在医学诊断、图像处理、可靠性分析与风险分析等方面有着广泛应用。在各类研究方法中,遗传算法能够有效地解决复杂的优化问题,以其普适性好、便于并行执行、高效便捷等显著特点,在贝叶斯网络结构的学习研究过程中发挥着非常重要的作用。遗传算法虽然具有较为良好的鲁棒性且对领域知识需求较少,但应用在贝叶斯网
巨型单层囊泡膜类似于所有生物细胞质膜的自封闭脂质基质,是理想的细胞膜模型。目前,巨型单层囊泡被用于研究生物膜的某些方面,例如,由添加的化合物引起的膜渗透,横向脂质异质性,或膜的出芽和裂变等,其形状可以直接在光学显微镜下观察到。本论文基于仿细胞膜模型,采用电形成法制备巨型单层囊泡技术,使用高分辨率倒置荧光显微镜表征技术和荧光泄漏实验技术为主的实验表征技术,研究了渗透梯度协同自发曲率介导仿细胞膜的再组