计算机工程

作者：朱海琦, 李宏, 李定文

单位：东北石油大学 电气信息工程学院, 黑龙江 大庆, 163000

关键词：深度学习,生成对抗网络,生成模型,注意力,对抗学习

基金：国家科技重大专项（2017ZX05019-005）；黑龙江省自然科学基金（LH2019F004）。

将卷积神经网络引入生成对抗网络可提高所生成图像的质量，但网络的感受野较小且难以学习各个特征通道之间的重要关系。在SinGAN网络的基础上，提出一种能从单幅图像中学习的生成对抗网络模型。在SinGAN网络的生成器和鉴别器中引入Inception V2模块以增加网络宽度扩大感受野，采用多个卷积核提取图像特征并进行特征融合，利用SENet模块学习各个通道的重要程度以获取更好的图像表征。实验结果表明，与Bicubic和SinGAN模型相比，该模型峰值信噪比和结构相似性值更高，可有效提升图像生成质量。

来源：2021年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第8期