教育论文网

基于属性独立生成对抗网络的人脸属性迁移方法研究

论文目录
摘要第1-6页
ABSTRACT第6-11页
第一章 绪论第11-17页
 1.1 研究背景与意义第11-12页
 1.2 国内外研究现状第12-14页
 1.3 研究内容第14页
 1.4 论文组织结构第14-17页
第二章 相关技术第17-31页
 2.1 卷积神经网络第17-20页
  2.1.1 卷积层和激活函数第17-19页
  2.1.2 池化层第19-20页
  2.1.3 全连接层第20页
 2.2 变分自编码器第20-23页
 2.3 生成对抗网络第23-27页
  2.3.1 基本原理第23-24页
  2.3.2 改进模型第24-27页
 2.4 基于神经网络的风格迁移方法第27-30页
  2.4.1 基于特征提取网络的风格迁移第28-29页
  2.4.2 基于生成对抗网络的风格迁移第29-30页
 2.5 本章小结第30-31页
第三章 基于属性独立生成对抗网络的人脸属性迁移算法第31-53页
 3.1 人脸属性迁移模型第31-32页
 3.2 总体框架设计第32-35页
  3.2.1 网络的前向传播第33-34页
  3.2.2 身份向量第34-35页
 3.3 损失函数第35-40页
  3.3.1 对抗损失第35-37页
  3.3.2 属性分类损失第37页
  3.3.3 图片重构损失第37-38页
  3.3.4 身份向量重构损失第38-39页
  3.3.5 总体损失函数第39-40页
 3.4 网络结构第40-43页
  3.4.1 全卷积神经网络第40-41页
  3.4.2 跳跃连接第41页
  3.4.3 潜变量分层结构第41-42页
  3.4.4 归一化层第42-43页
  3.4.5 共享卷积结构第43页
 3.5 网络实现第43-51页
  3.5.1 网络具体结构第44-45页
  3.5.2 跳跃连接与身份向量分层的实现第45-46页
  3.5.3 WGAN-GP的实现第46-47页
  3.5.4 归一化层的实现第47-49页
  3.5.5 共享卷积结构的实现第49-51页
 3.6 本章小结第51-53页
第四章 生成对抗网络中的可变式交替训练机制第53-69页
 4.1 神经网络的训练方法第53-58页
  4.1.1 常见的神经网络训练方法第54-56页
  4.1.2 生成对抗网络训练中存在的问题第56-58页
 4.2 训练方法的设计与实现第58-65页
  4.2.1 参数初始化方法第58-59页
  4.2.2 优化器的选择第59-60页
  4.2.3 可变学习率第60-61页
  4.2.4 可变式交替训练机制第61-65页
 4.3 网络训练的其它细节第65-67页
 4.4 本章小结第67-69页
第五章 实验与分析第69-95页
 5.1 实验环境第69-70页
 5.2 数据集介绍第70-73页
  5.2.1 名人人脸属性数据集第70-71页
  5.2.2 数据集预处理第71-73页
 5.3 实验对比分析第73-84页
  5.3.1 对比模型介绍第73-75页
  5.3.2 人脸单属性迁移第75-79页
  5.3.3 人脸多属性迁移第79-82页
  5.3.4 人脸之间属性替换第82-84页
 5.4 评价指标第84-89页
  5.4.1 人脸属性迁移准确率第85-87页
  5.4.2 人脸属性迁移留存错误率第87-89页
 5.5 独立性和收敛性测试实验第89-94页
  5.5.1 控制属性独立性程度第89-91页
  5.5.2 交替训练机制的影响第91-94页
 5.6 本章小结第94-95页
第六章 总结与展望第95-97页
 6.1 总结第95-96页
 6.2 展望第96-97页
参考文献第97-101页
致谢第101-102页
攻读学位期间发表的学术论文目录第102页

本篇论文共102页,点击 这进入下载页面

 
 
Copyright(C) All Rights Reserved
客服QQ:304386486
目录由用户 郭** 提供,作者删除入口请点击这里