1. 毕业设计（论文）主要目标：
通过基于深度对抗网络学习GAN的研究，了解其基本原理，能够运用深度学习框架Caffe，对人像样本集进行训练，在训练过程中，生成网络G与判别网络D构成动态博弈，G的目标是生成足以以假乱真的人像侧脸图。
模型G可对未知样本生成较为准确地侧脸结果。
2. 毕业设计（论文）主要内容：
采用双通道网络(Two Pathway Generator) localpathway和globalpathway. local pathway 用于解决人脸的细节问题，输入正脸的四个特征图像块：两个眼睛、鼻子、嘴巴。输出侧脸的对应四个图像块；global pathway 用于生产人脸大的结构，缺少细节，输入完整的正脸图像输出完整的模糊的测脸图像。主要定义了三个损失函数（Synthesis Loss Function）
1 Pixel-wise Loss facilitatemulti-scale image content consistency。图像内容的一致性
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 主要参考文献
[1]张卫,马丽,黄金.基于生成式对抗网络的人脸识别开发[J].电子世界,2017(20):164-165.
[2]平行机器人与平行无人系统：框架、结构、过程、平台及其应用[J]. 白天翔,王帅,沈震,曹东璞,郑南宁,王飞跃.自动化学报. 2017(02)
[3] BeyondFace Rotation: Global and Local Perception GAN for Photorealistic and Identity Preserving Frontal View Synthesis.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
