科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文针对数据集较小或者图像结构相对复杂的较大面积缺失的图像修复问题，提出结合SENet的密集卷积生成对抗网络图像修复方法．首先，采用生成对抗网络的思想，生成器使用密集卷积块捕捉图像中缺失部分的语义信息再利用；其次，取消密集卷积块之间的过渡层，引入SENet注意力机制SE模块，获取特征重要程度，增强特征信息指导能力；再次，在编码器和解码器之间引入跳跃连接，减少由于下采样而造成的信息损失；最后，通过引入对抗损失、MSE损失、TV损失增强网络的稳定性．所提模型在CelebA数据集进行实验．结果表明，所提算法的修复结果在图像语义、峰值信噪比（PSNR）和结构相似度（SSIM）3个方面均具有不错成效．
- 单位
