声明
第1章 引 言
1.1 研究背景
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究内容
1.4 论文结构安排
第2章 相关技术介绍
2.1 人工神经网络与卷积神经网络
2.2 卷积神经网络基本特征
2.2.1 稀疏连接
2.2.2 权值共享
2.3卷积神经网络基本结构
2.3.1 卷积层
2.3.2 反卷积层
2.3.3 池化层
2.3.4 完全连接层
2.4 卷积神经网络训练方式
2.4.1 损失函数
2.4.2 优化器
2.5 批归一化
2.6 图像合成中常用的卷积神经网络模型
2.6.1 GANs
2.6.2 CRNs
2.6.3 U-Net
2.6.4 ResNet
2.6.5 DenseNet
2.7本章小结
第3章 U-Net改进与训练策略
3.1 图像合成网络特性需求
3.2 U-Net存在的缺陷
3.3 改进1:图像分辨率与棋盘格状伪影
3.3.1提升生成图像分辨率
3.3.2 减少网络中的棋盘格状伪影
3.4 改进2:引入残差与密集连接结构
3.5 网络的训练
3.6 本章小结
第4章 基于语义图与素描图像的真实感图像合成
4.1 图像合成方法流程
4.2 基于语义图的真实感图像合成
4.2.1 数据集的选择与处理
4.2.2 网络设置与硬件环境
4.2.3 实验结果
4.3 基于素描图的真实感图像合成
4.3.1 网络设置与硬件环境
4.3.2 基于素描图像合成建筑图像
4.3.3 基于素描图像合成彩色人脸图像
4.4 本章小结
第5章 总结与展望
5.1 全文总结
5.2 展望
参考文献
致谢
湖北工业大学;