高级搜索

基于改进循环生成式对抗网络的图像风格迁移

张惊雷 厚雅伟

引用本文: 张惊雷, 厚雅伟. 基于改进循环生成式对抗网络的图像风格迁移[J]. 电子与信息学报, doi: 10.11999/JEIT190407 shu
Citation:  Jinglei ZHANG, Yawei HOU. Image-to-image Translation Based on Improved Cycle-consistent Generative Adversarial Network[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT190407 shu

基于改进循环生成式对抗网络的图像风格迁移

    作者简介: 张惊雷: 男,1969,教授,博士,研究方向为模式识别、图像处理等;
    厚雅伟: 男,1995,硕士生,研究方向为图像处理、目标检测等
    通讯作者: 张惊雷,zhangjinglei@tjut.edu.cn
摘要: 图像间的风格迁移是一类将图片在不同领域进行转换的方法。随着生成式对抗网络在深度学习中的快速发展,其在图像风格迁移领域中的应用被日益关注。但经典算法存在配对训练数据较难获取,生成图片效果差的缺点。该文提出一种改进循环生成式对抗网络(CycleGAN++),取消了环形网络,并在图像生成阶段将目标域与源域的先验信息与相应图片进行纵深级联;优化了损失函数,采用分类损失代替循环一致损失,实现了不依赖训练数据映射的图像风格迁移。采用CelebA和Cityscapes数据集进行实验评测,结果表明在亚马逊劳务平台感知研究(AMT perceptual studies)与全卷积网络得分(FCN score)两个经典测试指标中,该文算法比CycleGAN, IcGAN, CoGAN, DIAT等经典算法取得了更高的精度。

English

图(8)表(6)
计量
  • PDF下载量:  18
  • 文章访问数:  199
  • HTML全文浏览量:  97
文章相关
  • 通讯作者:  张惊雷, zhangjinglei@tjut.edu.cn
  • 收稿日期:  2019-06-05
  • 录用日期:  2019-12-23
  • 网络出版日期:  2019-12-31
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章