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 生成对抗网络概述
2.1 生成模型
2.2 GAN模型
2.2.1 GAN的原理
2.2.2 GAN训练过程
2.3 GAN的优缺点
1.GAN的优点
2.GAN的缺点
2.4 GAN的应用
2.5 本章小结
第三章 基于GAN的图像风格转换模型
3.1 图像风格转换
3.2 非跨域图像风格转换模型
3.2.1 条件生成对抗网络
3.2.2 Pix2Pix模型
3.3 跨域图像风格转换模型
3.3.1 对偶学习
3.3.2 DiscoGAN模型
3.3.3 DualGAN模型
3.3.4 CycleGAN模型
3.4 本章小结
第四章 CycleGAN改进
4.1 CycleGAN原理
4.2 CycleGAN模型不足与改进
4.3 CycleGAN改进模型
4.3.1 生成网络与判别网络
4.3.2 损失函数
4.3.3 训练细节
4.3.4 数据集与评价指标
4.3.5 CycleGAN改进模型实验结果
4.4 本章小结
第五章 基于改进CycleGAN在眼镜摘除任务中的应用
5.1 引言
5.2 眼镜摘除任务实现
5.2.1 环境搭建
5.2.2 数据集处理
5.2.3 训练过程
5.2.4 实验效果
5.2.3 实验评估
5.3 本章小结
第六章 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
电子科技大学;