本文基于循环生成对抗网络(cycle-consistent generative adversarial network, CycleGAN)进行改进.CycleGAN的生成器模块将引入基于泰勒展开的线性Transformer网络(MB-TaylorFormer),有效解决注意力机制的二次计算复杂度,同时使用不同大小卷积以及深度可分离卷积和可变形卷积结合进行多尺度标记,提高去雾能力.实验表明,算法改进后...
基于改进的CycleGAN模型非配对的图像到图像转换 何剑华;龙法宁;朱晓姝 【摘要】图像到图像转换是一类视觉和图形问题,目标是通过使用一组配对的图像来学习输入图像和输出图像之间的映射.然而,对于许多任务来说,配对的训练数据难以获得.CycleGAN提出了一种在没有成对示例的情况下学习从源域x到目标域y的图像转换的方法....
针对这些问题,文中提出基于改进CycleGAN的人脸性别伪造图像生成模型。首先,优化生成器结构,利用注意力机制与自适应残差块提取更丰富的人脸特征;然后,借鉴相对损失的思想对损失函数进行改进,提高判别器的判别能力。最后,提出基于年龄约束的模型训练策略,减小了年龄变化对生成图像的影响。在CelebA和IMDB-WIKI数据集上进行实验...
基于改进的CycleGAN模型非配对的图像到图像转换
本发明公开了一种基于循环生成对抗网络的单幅图像去雨方法,首先构建DCycleGAN模型;然后设计DCycleGAN模型的损失函数;其次采用成对和未成对两种训练方式训练DCycleGAN模型;最后将测试集输入训练好的DCycleGAN模型,获得去雨后的干净图像,完成单幅图像去雨任... 韩科文,项欣光 被引量: 0发表: 2020年站...
改进后Cycle GAN算法与原算法相比,PSNR值提高了2.76,减少了生成图像存在伪影,失真等现象;SSIM值提升了6.18%,图像的结构和纹理信息得到了更好的保留.改进后模型FID得分为14.13,与其他风格迁移算法想比,FID得分最低,生成图案与真实图案在统计特性上更接近,证明了改进Cycle GAN算法在色彩转换的准确度和纹理细节上表现得...