基于无映射数据集的生成对抗网络图像生成算法研究
2021-04-12姚成思齐亚莉夏浩昌丁忠祥
北京印刷学院学报 2021年3期
关键词:模型
姚成思, 齐亚莉, 夏浩昌, 丁忠祥
(北京印刷学院信息工程学院,北京 106200)
随着计算机设备及网络技术的飞速发展,信息化社会加速向前,人工智能领域尤其是机器学习研究取得了长足的进步[1]。随着电脑硬件的进步和计算机图形学的发展,深度学习开始出现在人们的视野中。在人工智能的浪潮中,以深度学习为代表的机器学习方法是最主要的研究方向之一。深度学习作为机器学习的一种实现方法,其迅速发展的一个主要原因是因为人们发现深度学习可以用来训练物体识别模型。相比一般的机器学习,深度学习可以不依赖人工进行特征工程,通过对大量样本数据的学习,使用多层神经网络对数据进行表征学习。
深度学习在图像和音频领域发挥了很不错的效果,尤其是图像的处理能力方面,比如基于神经网络的图像风格迁移、图像识别、图像生成、图像修复等[2]。图像生成是从现有数据集生成新图像的任务,它可以基于更小噪声输入产出完整且逼真的图像信息。也可以进行图像之间的转换,比如将一张灰度图转换为一张彩色图,将一张素描图转换为一张实物图。图像生成在深度学习的许多领域都取得了不错的成果,其中最前沿的是生成对抗网络GAN。自2014 年,生成对抗网络GAN 由Ian Goodfellow 等人提出后,立刻引起了学术研究领域的轰动,越来越多的研究人员将GAN 带入计算机视觉、人机交互和自然语言处理等领域,且都取得了很大的技术革新。……
登录APP查看全文
