第一个书签之前
摘 要
Abstract
第1章 绪 论
1.1 课题背景及研究的目的和意义
1.2 研究现状
1.2.1 传统提高帧率方法研究现状
1.2.2 基于生成对抗网络的图像生成方法研究现状
1.3 本文的主要研究内容及结构安排
第2章 基于SC-GAN的帧间图像生成方法的架构
2.1 引言
2.2 GAN的基本原理
2.2.1 GAN的模型框架
2.2.2 GAN模型的优势
2.2.3 GAN经典的改进模型
2.3.1 GAN在帧间图像生成中的不足
2.3.2 改进的SC-GAN的帧间图像生成方法架构
2.4 本章小结
第3章 基于SC-GAN的帧间图像生成算法
3.1 引言
3.2 空间连续性
3.3 SC-GAN模型的构造
3.3.1 自编码器
3.3.2 网络模型
3.3.3 Wasserstein距离
3.3.4 平衡参数
3.4 Adam优化算法以及最优选择
3.4.1 Adam优化算法
3.4.2 Adam优化器的最优选择
3.5 本章小结
第4章 基于SC-GAN的帧间图像生成的实现
4.1 引言
4.2 SC-GAN模型的基础组件
4.2.1 Tensorflow开源库
4.2.2 Cuda并行计算架构
4.2.3 TensorBoard可视化工具
4.3 SC-GAN网络的实现
4.3.1 生成器网络
4.3.2 判别器网络
4.3.3 平衡状态控制
4.3.4 损失函数
4.4.1 数据初始化
4.4.2 训练网络
4.4.3 帧间图像生成实现
4.5 本章小结
第5章 基于SC-GAN的帧间图像生成实验
5.1 引言
5.2 数据来源
5.3 评价指标
5.4 生成模型质量评估
5.4.1 CelebA数据集评估模型
5.4.2 CartoonFaces数据集评估模型
5.4.3 评估结果分析
5.5 帧间图像生成实验
5.5.1 帧间图像生成实验
5.5.2生成实验结果分析
5.5.3 帧间图像生成质量验证
5.5.4质量验证结果分析
5.6 实验结果分析
5.7 本章小结
结 论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致 谢
燕山大学;