10.3778/j.issn.1002-8331.1911-0397
多判别器循环生成对抗网络的素描人脸合成
素描人脸合成在娱乐和刑侦领域具有重要应用价值.为了解决传统素描人脸合成方法生成图像面部细节模糊,缺失真实感等问题,改进了CycleGAN网络结构,提出一种基于多判别器循环生成对抗网络的素描人脸合成方法.该方法选取残差网络作为生成网络模型,在生成器隐藏层中增加多个判别器,提高网络对生成图像细节特征的提取能力;并建立了重构误差约束映射关系,最小化生成图像与目标图像之间的距离.通过在CUHK和AR人脸数据库中的对比实验,证明了相比于原始CycleGAN框架该方法性能有明显提升;相比于目前领先的方法,所提方法生成的素描图像细节特征更清晰,真实感更强.
素描人脸合成、生成对抗网络、残差网络、多判别器网络、深度学习
57
TP391.41(计算技术、计算机技术)
国家自然科学基金;"勤信人才"培育计划
2021-02-05(万方平台首次上网日期,不代表论文的发表时间)
共8页
231-238