典型文献
融合注意力机制的高分辨人脸识别图像重建
文献摘要：
针对由于人脸姿势、光照不均、拍摄环境、拍摄设备等内外部因素造成图像分辨率低的问题,提出融合注意力机制的高分辨人脸识别图像重建模型.首先以低分辨率人脸图像对作为两个生成器输入,通过残差块和注意力模块堆叠网络提取人脸特征信息,进而生成高分辨率人脸图像.训练中使用一个鉴别器来监督两个生成器的训练过程.利用Adam算法对鉴别器、生成器以及对抗损失函数进行迭代优化来提升网络模型性能.模型在CASIA-WebFace数据集上进行训练,在CASIA-WebFace、CelebA、LFW数据集上进行测试.实验表明,注意力模块可有效弥补浅层卷积神经网络提取特征时因偏向局部关系建模而缺乏对全局信息学习的不足,能学习利于重建高分辨率图像的特征信息.本模型重建人脸有较好的视觉效果,并且具有保留人脸身份信息的特性.
文献关键词：
人脸重建;低分辨率;生成对抗网络;注意力机制
中图分类号：
作者姓名：
胡正平;潘佩云;崔紫微;赵梦瑶;毕帅
作者机构：
燕山大学信息科学与工程学院,河北秦皇岛066004;燕山大学河北省信息传输与信号处理重点实验室,河北秦皇岛066004
文献出处：
引用格式：
[1]胡正平;潘佩云;崔紫微;赵梦瑶;毕帅-.融合注意力机制的高分辨人脸识别图像重建)[J].信号处理,2022(01):118-127
A类：
堆叠网络
B类：
注意力机制,辨人,人脸识别,识别图,图像重建,姿势,光照不均,内外部因素,成图,图像分辨率,先以,低分辨率,人脸图像,生成器,残差块,注意力模块,人脸特征信息,鉴别器,训练过程,Adam,对抗损失函数,迭代优化,模型性能,CASIA,WebFace,CelebA,LFW,提取特征,局部关系,关系建模,全局信息,信息学习,高分辨率图像,模型重建,视觉效果,留人,身份信息,人脸重建,生成对抗网络
AB值：
0.395505
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
