基于分区卷积和关联损失的双阶段图像补全方法及系统

摘要

本发明公开了一种基于分区卷积和关联损失的双阶段图像补全方法及系统。其中，该方法包括如下步骤：S1，对完整图片随机生成缺失区域构成缺失图片；S2，缺失图片经过第一阶段网络，采用分区卷积，生成初步的补全结果；对生成的初步的补全结果构建关联损失和一范数损失；S3，初步的补全结果经过第二阶段网络，采用普通卷积，生成细致的补全结果；对生成的细致的补全结果构建风格损失和一范数损失；S4，计算整体损失函数，迭代步骤S1～S3的训练，直至整体损失函数收敛，完成训练。本发明在保证模型泛化能力的同时，有效提升深度学习模型对于对抗样本噪音和自然噪音的鲁棒性，提高深度学习模型在实际场景中应用时的稳定性。