基于生成对抗网络的无监督图像翻译方法研究

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 研究现状

1.2.1 生成对抗网络研究现状

1.2.2 无监督图像翻译研究现状

1.3 本文研究内容

1.4 本文组织结构

第2章 基于GAN的单图像域无监督图像翻译

2.1 无监督图像翻译分析

2.2 单图像域无监督图像翻译模型构建

2.2.1 对偶形式的GAN整体模型

2.2.2 引入自注意力机制的生成器模型

2.2.3 引入谱规范化的PatchGAN判别器模型

2.3 单图像域翻译模型损失函数设计

2.3.1 整体损失函数

2.3.2 融合相对鉴别与最小二乘法的对抗损失

2.3.3 循环重构与自我重构损失

2.4 适用场景分析

2.5 本章小结

第3章 基于GAN的多图像域无监督图像翻译

3.1 多图像域无监督图像翻译分析

3.2 多图像域无监督图像翻译模型

3.2.1 基于类别标签的GAN整体模型

3.2.2 融合AdaIN与域控制器的生成器模型

3.2.3 融合分类结构与双尺度的判别器模型

3.3 多图像域翻译模型损失函数设计

3.3.1 整体损失函数

3.3.2 融合相对鉴别与铰链形式的对抗损失

3.3.3 循环重构与自我重构损失

3.3.4 基于类别标签的分类损失

3.4 适用场景分析

3.5 本章小结

第4章 实验结果及分析

4.1 实验环境及数据集

4.1.1 实验环境

4.1.2 数据集

4.2 图像翻译评价指标

4.3 改进的单图像域无监督图像翻译方法实验结果与分析

4.3.1 参数设置及训练流程

4.3.2 自注意力机制和对抗损失评估

4.3.3 翻译效果评估

4.4 改进的多图像域无监督图像翻译方法实验结果与分析

4.4.1 参数设置及训练流程

4.4.2 多样性效果与双尺度判别效果评估

4.4.3 翻译效果评估

4.5 本章小结

第5章 总结与展望

5.1 本文总结

5.2 研究展望

致谢

参考文献

攻读硕士学位期间的研究成果