典型文献
基于自我注意和边缘特征的生成对抗网络的图像风格转换算法
文献摘要：
风格转移被广泛地应用于商业领域,如图像美化、电影渲染等.然而,许多现有的风格转移方法存在着细节损失和整体视觉效果不佳的问题.为了解决这些问题,提出了一个基于边缘特征和自我注意的循环一致生成式对抗网络(self-attention and edge feature generative adversarial network,SE-GAN).模型结构包括一个生成器、一个判别器和一个边缘特征提取网络.生成器和判别器都包含一个自我注意模块,以捕捉图像的全局特征.边缘特征提取网络提取原始图像的边缘,并将其与原始图像一起送入网络,从而可以更好地处理细节.此外,还增加了一个感知损失项来优化网络,从而获得更好的感知结果.SE-GAN分别应用于四个数据集.实验结果表明,与其他几个现有模型的结果相比,计算的最终IS和FID值具有良好的效果,表明该模型在风格转移方面的优越性,它可以更好地保留原始图像的细节,具有更好的图像质量.
文献关键词：
深度学习;计算机视觉;图像风格转换;生成对抗网络;卷积神经网络
中图分类号：
作者姓名：
孙坤
作者机构：
西安石油大学 陕西西安 710065
文献出处：
引用格式：
[1]孙坤-.基于自我注意和边缘特征的生成对抗网络的图像风格转换算法)[J].信息技术与信息化,2022(04):46-49
A类：
B类：
自我注意,生成对抗网络,图像风格转换,转换算法,美化,电影渲染,视觉效果,生成式对抗网络,self,attention,edge,feature,generative,adversarial,network,SE,GAN,模型结构,生成器,判别器,边缘特征提取,特征提取网络,注意模块,全局特征,原始图像,起送,送入,入网,感知损失,损失项,现有模型,IS,FID,图像质量,计算机视觉
AB值：
0.392336
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。
