典型文献
基于多任务对抗和抗噪对抗学习的人脸超分辨率算法
文献摘要：
高倍率单幅人脸图像超分辨率重建是一项具有实用价值但困难的任务.在人脸超分辨率任务中,端到端网络超分辨率图像较模糊,图像真实性和人眼视觉效果较差.针对上述问题,文中提出基于多任务对抗和抗噪对抗学习的人脸超分辨率算法.算法分为端到端网络学习阶段和网络参数微调阶段.为了提高端到端学习效果,设计深度多任务拉普拉斯金字塔网络,并结合多任务对抗学习.主任务为端到端学习,子任务为优化对抗学习惩罚项函数.为了改进通过对抗学习并微调主任务网络参数后的效果,在对抗学习的判别器优化过程中,融入抗噪对抗学习.实验表明,文中算法能使人脸超分辨率图像更具有图像真实性,更符合人眼视觉习惯.
文献关键词：
深度学习;人脸超分辨率(FSR);多任务对抗学习(MTAL);抗噪对抗学习(ANAL);多任务拉普拉斯金字塔网络(MTLapNet)
中图分类号：
作者姓名：
陈泓佑;陈帆;和红杰;蒋桐雨
作者机构：
西南交通大学 信号与信息处理四川省高校重点实验室 成都611756
文献出处：
引用格式：
[1]陈泓佑;陈帆;和红杰;蒋桐雨-.基于多任务对抗和抗噪对抗学习的人脸超分辨率算法)[J].模式识别与人工智能,2022(10):863-880
A类：
MTAL,ANAL,MTLapNet
B类：
多任务,对抗学习,人脸超分辨率,超分辨率算法,高倍率,单幅,人脸图像超分辨率,图像超分辨率重建,端到端网络,人眼视觉效果,网络学习,网络参数,微调,设计深度,拉普拉斯金字塔,金字塔网络,子任务,判别器,FSR
AB值：
0.174258
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。
