计算机工程与应用

2020, v.56;No.965(22) 217-223

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

引入特征损失对CycleGAN的影响研究
Influence of Identity Loss on CycleGAN

刘华超;张俊然;刘云飞;

摘要(Abstract):

在图像生成领域,传统的图像风格迁移需要在两个配对的图像间进行转换。循环一致性生成对抗网络(Cycle Generative Adversarial Network,CycleGAN)在2017年被提出后,凭借其可以针对非配对图像进行图像生成的特点取得了良好的效果,迅速成为图像生成领域的研究热点。然而经典的CycleGAN由于生成器无法准确识别图像的特定转换域和无关域,从而存在图像无关域特征随意变换的缺点,使得生成图像失真。针对以上问题,通过引入特征损失来约束生成器的特征识别,利用L1损失保证转换后的图像与原图像的像素级别对应,可以有效改善该问题,并使得生成图像更清晰。通过调整特征损失的比例超参数μ,进一步分析了选取不同μ值下的特征损失时,CycleGAN的各部分损失变化以及对生成图像的质量影响,最后给出了特征损失的比例超参数μ值的选取策略。

关键词(KeyWords): 图像生成;CycleGAN;特征损失;图像清晰度;风格迁移

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 刘华超;张俊然;刘云飞;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享