类别信息生成式对抗网络的单图超分辨重建

来源 :中国图象图形学报 | 被引量 : 0次 | 上传用户:z88981414
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目的基于生成式对抗网络的超分辨模型(SRGAN)以感知损失函数作为优化目标,有效解决了传统基于均方误差(MSE)的损失函数导致重建图像模糊的问题。但是SRGAN的感知损失函数中并未添加明确指示模型生成对应特征的标志性信息,使得其无法精准地将数据的具体维度与语义特征对应起来,受此局限性影响,模型对于生成图像的特征信息表示不足,导致重建结果特征不明显,给后续识别处理过程带来困难。针对上述问题,在SRGAN方法的基础上,提出一种类别信息生成式对抗网络的超分辨模型(class-info SRGAN)。方法对SRGAN模型增设类别分类器,并将类别损失项添加至生成网络损失中,再利用反向传播训练更新网络参数权重,以达到为模型提供特征类别信息的目的,最终生成具有可识别特征的重建图像。创新及优势在于将特征类别信息引入损失函数,改进了超分辨模型的优化目标,使得重建结果的特征表示更加突出。结果经Celeb A数据集测试表明:添加性别分类器的class-info SRGAN的生成图像性别特征识别率整体偏高(58%97%);添加眼镜分类器的class-info SRGAN的生成图像眼镜框架更加清晰。此外,模型在Fashion-mnist与Cifar-10数据集上的结果同样表明其相较于SRGAN的重建质量更佳。结论实验结果验证了本方法在超分辨重建任务中的优势和有效性,同时结果显示:虽然class-info SRGAN更适用于具有简单、具体属性特征的图像,但总体而言仍是一种效果显著的超分辨模型。
其他文献
伴随着社会经济的不断发展,人们的生活水平和生活质量也有了翻天覆地的变化,在物质生活得到提高的同时人们也更加注重精神生活的享受。电视作为日常生活中信息传递的主要载体
2014年2月13日,澳大利亚法律改革委员会(Australian Law Reform Commission,简称ALRC)发布了一份长达478页的版权和数字经济报告,对澳大利亚版权改革提供了许多积极建议。报告的一
针对"电磁场与电磁波"课程的"计算繁琐、模型抽象、时空分布复杂"等教学难题,提出借助Mathematica专业数学软件平台开展课堂辅助教学,详细探讨了辅助教学的目的、意义和步骤,以全
合兴汽车电子股份有限公司(以下简称“合兴股份”)是一家主营汽车电子、消费电子产品的高新技术企业。2019年6月20日,合兴股份首次递交招股说明书申请上会,拟登陆上交所主板,
通过对千湖水利风景区现状、规划、开发、建设、运营、保护等方面的综合论述,提出搞好规划、流动发展、突出重点、多方融资、保护环境和加强宣传等开发建设的新思路.
中国电子信息产业集团有限公司(以下我们称为CEC)和中国电子科技集团公司(CETC)发展的过程,也代表了中国信息技术(IT)发展的历程。二者前身都是“中华人民共和国第四机械工业
反假货币工作是国家整顿市场经济秩序和防范金融风险的一项重要内容。在市反假货币工作联席会议的主持下,以及人行的支持促进下,各基层金融机构反假货币工作开展取得了不错成效
全球化发展态势之下,道路交通对经济发展而言的意义价值已经众所周知,而且每年政府都要投入非常多的物力人力优化,实践过程中,施工技术已经获得很大改进。其中值得重视的是,
以凹凸棒土作为载体,以TiOSO4为钛源,采用超声分散-再沉淀法制备了TiO2粒径为10nm左右的锐钛矿型TiO2/凹凸棒土复合催化剂。并采用X射线衍射仪、透射电子显微镜、x射线能谱仪对
[目的]观察SDF1/CXCR4对髓核细胞(NPCs)诱导血管内皮细胞(VECs)成血管能力的影响。[方法]通过病毒转染上调原代髓核细胞中基质细胞衍生因子1(SDF1)表达,并根据表达量分为D组