基于深度学习的人物图像生成模型研究

发布时间：2021-05-08 06:03

　　随着深度学习与卷积神经网络的发展,计算机视觉领域的研究范围也得到了扩展,其中很重要的一项包括生成式模型的研究。生成式模型体现了计算机对大量样本数据进行建模的能力。尽管目前已经有不少的生成式模型陆续被提出,但这些模型用于图像生成时,生成图像的质量依然没有达到令人满意的效果,尤其是空间结构比较复杂的图像,例如全身人物图像。针对以上提出的一些问题,本篇论文中提出了两种人物图像生成模型,一种是基于姿势的人物图像生成模型,另一种是基于单张图像的人物姿势变换模型。虽然两种模型在名字上有些差异,其本质都是根据不同的输入条件生成一张人物图像。第一种模型接收一张简单的人体姿势图（2维骨架图）作为输入,输出一张对应姿势的人物图像。该模型采用的是一个条件式生成对抗网络的结构;第二种模型则接收两个条件作为输入,一张目标姿势图和一张真实人物图像,输出对应姿势的真实人物图像,且要保留输入人物图像的外貌信息,这样就实现了人物的姿势转换。该模型是在上一个模型的基础上融合一个变分自动编码器的结构,形成了一个混合式的生成模型,因此,该模型同时拥有生成对抗网络和变分自动编码器的优点。此外,为了提高生成图像的质量,两个模型中... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 基于自回归模型的图像生成
        1.2.2 基于变分自动编码器的图像生成
        1.2.3 基于生成对抗网络的图像生成
        1.2.4 人物图像生成
    1.3 研究意义与主要研究工作
    1.4 论文组织结构
第2章 理论基础及相关技术
    2.1 神经网络的前向传播
    2.2 神经网络的优化算法
    2.3 卷积神经网络
    2.4 残差网络
    2.5 小结
第3章 基于姿势的人物图片生成
    3.1 算法思想
    3.2 模型搭建
        3.2.1 生成网络
        3.2.2 判别网络
    3.3 目标函数
        3.3.1 内容损失函数
        3.3.2 总体目标函数
    3.4 实验细节
        3.4.1 训练流程
        3.4.2 参数设置
    3.5 实验结果
    3.6 小结
第4章 基于单张图片的人物姿势变换
    4.1 算法思想
    4.2 模型搭建
    4.3 目标函数
        4.3.1 格拉姆矩阵与风格损失函数
        4.3.2 标准风格损失函数的缺陷
        4.3.3 多尺度风格损失
        4.3.4 总体目标函数
    4.4 实现细节
    4.5 实验结果
    4.6 小结
第5章 对比实验与结果分析
    5.1 实验环境
    5.2 数据预处理
        5.2.1 DeepFashion数据集
        5.2.2 人体姿态估计
    5.3 评估标准
        5.3.1 峰值信噪比(PSNR)
        5.3.2 结构相似性指数(SSIM)
        5.3.3 Inception Score
    5.4对比实验
    5.5 局限性
    5.6 小结
结论
参考文献
致谢
附录A 发表论文和参加科研情况说明



本文编号：3174813