基于未配对数据的图像到图像转换

目录

声明

第一章 绪 论

1.1 研究工作的背景与意义

1.2 国内外研究历史与现状

1.3 本文的主要贡献与创新

1.4 本论文的结构安排

第二章 生成对抗网络基础

2.1 生成模型

2.2 生成对抗网络基础

2.2.1 生成对抗网络的原理

2.2.2 生成对抗网络存在的问题

2.3 生成对抗网络的改进

2.3.1 网络结构的改进

2.3.2 损失函数改进

2.4 本章小结

第三章 基于未配对数据图像转换技术概论

3.1 卷积神经网络图像风格化

3.1.1 图像风格化网络结构

3.1.2 实验结果及分析

3.2 基于未配对数据的双域图像转换

3.2.1 对偶学习理论

3.2.2 基于对偶学习理论的双域图像转换模型

3.2.3 数据集及评价指标

3.2.4 实验结果及分析

3.3 基于未配对数据的多域图像转换

3.3.1 多域图像转换的网络结构

3.3.2 数据集及评价指标

3.3.3 实验结果及分析

3.4 本章小结

第四章 基于未配对数据的双域图像转换技术的改进

4.1 引言

4.2 关键技术

4.2.1 图像的深度表示空间

4.2.2 跳层网络连接

4.2.3 PatchGAN

4.3.1 模型框架

4.3.2 损失函数

4.3.3 训练过程和实现细节

4.4 模型评估

4.4.1 数值评估

4.4.2 感知评估

4.4.3 深度共享空间作用评估

4.5 本章小结

第五章 基于未配对数据的多域图像转换技术的改进

5.1 引言

5.2 相关工作

5.2.1 人脸数据合成

5.2.2 GAN相关扩展

5.3.1 网络结构

5.3.2 损失函数

5.3.3 训练过程和实现细节

5.4 实验结果

5.4.1 感知评估

5.4.2 数值评估

5.4.3 表情连续性编辑实验

5.5 本章小结

第六章 全文总结与展望

6.1 全文总结

6.2 后续工作展望

致谢

参考文献

攻读硕士学位期间取得的成果