基于高频小波损失的生成对抗人脸补全方法研究

摘要

基于生成对抗网络架构设计一种新的人脸补全模型.在生成网络中使用空洞卷积以增加特征图的感受野,提升网络性能;针对生成补全图像模糊,提出基于小波分解的损失函数设计方法,将图像转换到小波空间,提取高频信息作为l1小波损失,有效提升人脸图像补全的质量.对VGGFace2人脸数据集下半部分人脸进行遮挡,作为训练数据集,以LFW数据集遮挡,进行人脸补全测试结果分析.实验结果表明,所设计算法的网络补全后的人脸结构相似性(SSIM)达到0.8034,峰值信噪比(PSNR)达到20.9467,有效提升了人脸补全的效果.