10.16451/j.cnki.issn1003-6059.202210001
基于多任务对抗和抗噪对抗学习的人脸超分辨率算法
高倍率单幅人脸图像超分辨率重建是一项具有实用价值但困难的任务.在人脸超分辨率任务中,端到端网络超分辨率图像较模糊,图像真实性和人眼视觉效果较差.针对上述问题,文中提出基于多任务对抗和抗噪对抗学习的人脸超分辨率算法.算法分为端到端网络学习阶段和网络参数微调阶段.为了提高端到端学习效果,设计深度多任务拉普拉斯金字塔网络,并结合多任务对抗学习.主任务为端到端学习,子任务为优化对抗学习惩罚项函数.为了改进通过对抗学习并微调主任务网络参数后的效果,在对抗学习的判别器优化过程中,融入抗噪对抗学习.实验表明,文中算法能使人脸超分辨率图像更具有图像真实性,更符合人眼视觉习惯.
深度学习、人脸超分辨率(FSR)、多任务对抗学习(MTAL)、抗噪对抗学习(ANAL)、多任务拉普拉斯金字塔网络(MTLapNet)
35
TP391.41;TP183(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金
2022-11-24（万方平台首次上网日期，不代表论文的发表时间）
共18页
863-880
