典型文献
基于循环生成对抗网络的人脸素描合成
文献摘要：
针对当前卷积神经网络通常以降低感受野为条件获得多尺度图像特征,以及很难捕获各特征通道之间重要关系的问题,结合循环生成对抗网络结构的特点提出一种新的多尺度自注意力机制的循环生成对抗网络.首先,在生成器中使用VGG16模块组成U-Net结构网络,以增强对图像特征信息的提取,同时对网络中的下采样和上采样进行改进,以提高特征分辨率,获取更多的细节信息;其次,设计多尺度特征聚合模块,采用不同采样率的多个并行空洞卷积,整合了不同尺度上的空间信息,在保持图像较大感受野的同时,多比例地捕捉图像信息;最后,为捕获空间维度和通道维度中的特征依赖关系,设计像素自注意力模块对空间维度和通道维度上的语义依赖关系进行建模,以增强图像特征的表现能力,提高生成素描图像的质量.
文献关键词：
深度学习;循环生成对抗网络;空洞卷积;多尺度特征聚合模块;像素自注意力模块
中图分类号：
作者姓名：
葛延良;孙笑笑;张乔;王冬梅;王肖肖
作者机构：
东北石油大学电气信息工程学院,黑龙江大庆163318
文献出处：
引用格式：
[1]葛延良;孙笑笑;张乔;王冬梅;王肖肖-.基于循环生成对抗网络的人脸素描合成)[J].吉林大学学报（理学版）,2022(04):897-905
A类：
多尺度自注意力机制,多尺度特征聚合模块,像素自注意力模块
B类：
循环生成对抗网络,人脸,常以,感受野,图像特征,重要关系,生成器,VGG16,Net,特征信息,下采样,上采样,细节信息,采样率,并行空洞卷积,不同尺度,空间信息,图像信息,空间维度,语义依赖关系,增强图像,表现能力,生成素,素描图像
AB值：
0.211899
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。
