基于改进的CycleGAN模型非配对的图像到图像转换

作者：何剑华; 龙法宁^*; 朱晓姝

来源：玉林师范学院学报, 2018, 39(02): 122-126.

DOI：10.13792/j.cnki.cn45-1300/z.2018.02.025

• 图像风格转换
• 深度学习
• 半监督学习
• CycleGAN

图像到图像转换是一类视觉和图形问题,目标是通过使用一组配对的图像来学习输入图像和输出图像之间的映射.然而,对于许多任务来说,配对的训练数据难以获得.CycleGAN提出了一种在没有成对示例的情况下学习从源域x到目标域y的图像转换的方法.一般来说,生成式对抗网络(GAN)在训练的过程中,由生成器产生的图片将不再能够欺骗判别器,判别器容易战胜生成器,因此平衡生成器和判别器的训练稳定程度有时比性能指标更重要.为了解决此问题,本文将训练数据的分类标签加入GAN的训练,提出了一种改进的CycleGAN半监督模型,以解决GAN训练不稳定问题.实验结果表明,生成的图像显示更加真实,具有更佳视觉效果.

• 单位
  玉林师范学院