基于深度生成对抗模型的人脸修复算法研究

发布时间：2022-02-14 03:13

　　在现实生活中,人脸图像的缺失给各行各业的相关工作带来重大困扰,而人脸图像修复技术可以智能高效地解决这个问题。人脸图像修复是一种利用数学模型算法对剩余可利用图像区域进行建模,从而推测缺损区域人脸像素分布的计算机视觉技术。人脸图像修复技术可以为各行各业节省大量的时间和人力,因此对该技术的研究具有重要的现实意义。人脸图像修复技术可广泛地用于考古、安防刑侦和人脸识别等领域。目前,深度学习在计算机视觉领域已经取得了重要的研究成果,主流的深度生成对抗模型应用于人脸修复时各有侧重点,并不能很好地修复随机大面积缺失的人脸破损图像。针对这个问题,本文在深入研究深度生成对抗模型的强大学习能力的基础上,综合现有的优秀研究成果,提出了一种新的人脸修复算法FaceR-Net。该算法的主要内容如下:（1）本文提出的FaceR-Net网络模型首先对人脸待修复图像进行预处理,采用破损区域以外的剩余像素填充破损区域,使后续的模型训练可以充分利用人脸破损图像中已知区域的先验像素分布,学习像素级别的高层次语义信息,达到使模型训练更高效而且修复效果更好的目的。通过实验对比分析表明,在经过预处理后,FaceR-Net相比于使用... 

【文章来源】：西安电子科技大学陕西省211工程院校教育部直属院校

【文章页数】：91 页

【学位级别】：硕士

【部分图文】：

反卷积示意图

图2.6 BN 算法流适应算法astic Gradient Descent络模型对样本的学习再将误差对权重值求导新。公式（2-16）表示t t1 g 表示学习率，表示输函数，所以在损失函数收敛速度很慢，很多算人[46]提出的 Adam 算估计和二阶矩估计对每

coder入值缩成ncod）组成，它值的神经网成潜在空间表der 的网络架它是一种使络，并且 E表征，得到架构图如图用反向传播Encoder 部分到隐向量（L图 2.7 所示。播算法并增分学习原始Latent Vecto加响应约束始输入数据在or），利用隐束在隐


本文编号：3624142