典型文献
基于类别注意实例归一化机制的人脸年龄合成
文献摘要：
近年来,生成对抗网络(generative adversarial network,GAN)家族已在人脸年龄合成任务上取得了巨大的成功.然而,通过研究发现,在解决人脸年龄合成的问题时,即使是善于利用年龄先验信息的条件生成对抗网络(conditional generative adversarial network,CGAN),重要的人脸年龄相关信息在一程度上也会被丢弃.这是导致以CGAN为代表的GAN家族在人脸年龄合成上的性能到达瓶颈期的一个重要因素.为此,提出了一种类别注意实例归一化机制(class-aware instance normalization,CAIN).该机制能够灵活地嵌入到CGAN中,形成一种新的生成对抗网络模型,即CAIN-GAN.CAIN-GAN能够充分利用人脸年龄先验信息来进一步提高人脸年龄合成性能.在公开数据集上的实验结果表明,与其他几种GAN家族的方法对比,CAIN-GAN方法仅通过利用人脸年龄相关信息就能对人脸年龄合成性能进行提升.
文献关键词：
生成对抗网络;人脸年龄合成;归一化机制
中图分类号：
作者姓名：
舒祥波;施成龙;孙运莲;唐金辉
作者机构：
南京理工大学 计算机科学与工程学院, 江苏 南京 210094
文献出处：
引用格式：
[1]舒祥波;施成龙;孙运莲;唐金辉-.基于类别注意实例归一化机制的人脸年龄合成)[J].软件学报,2022(07):2716-2728
A类：
归一化机制,人脸年龄合成,CAIN
B类：
实例归一化,generative,adversarial,network,先验信息,条件生成对抗网络,conditional,CGAN,年龄相关,一程,丢弃,致以,能到,瓶颈期,class,aware,instance,normalization,该机,合成性能,公开数据集,方法对比
AB值：
0.208102
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。
