隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,我們進(jìn)入了一個(gè)數(shù)據(jù)“爆炸”的時(shí)代,人臉圖像是人們?nèi)粘Ｉ钪凶顬殛P(guān)注的數(shù)據(jù)之一,我們對(duì)高清人臉圖像的需求越來(lái)越高,甚低分辨率人臉幻構(gòu)技術(shù)即將極低分辨率的人臉圖像重建為高分辨率的人臉圖像,以便后續(xù)的人臉識(shí)別或其他處理。人臉幻構(gòu)技術(shù)可理解為針對(duì)人臉圖像的超分辨率技術(shù),其研究歷史有二十多年,從全局臉?lè)椒ǖ骄植磕樂(lè)椒?再到利用人臉結(jié)構(gòu)特性的一些綜合性方法,對(duì)于一般的低分辨率人臉做4倍重建已經(jīng)有理想的恢復(fù)效果,然而當(dāng)放大尺度增大到8倍時(shí),大多數(shù)方法的重建效果嚴(yán)重下降。2012年,Alexnet的成功引發(fā)了深度學(xué)習(xí)研究的熱潮,深度學(xué)習(xí)能夠充分挖掘大規(guī)模數(shù)據(jù)集中的特征,基于深度學(xué)習(xí)的甚低分辨率人臉幻構(gòu)方法成為可能。本文的主要工作是甚低分辨率人臉幻構(gòu)深度模型與算法研究,其核心思想和創(chuàng)新點(diǎn)主要分為以下三點(diǎn):1.以VDSR（Very Deep Convolutional Networks for Image Super-Resolution）超分辨率網(wǎng)絡(luò)為基礎(chǔ),融入Googlenet的Inception思想,本文構(gòu)建了基于MP-VDSR（Multi-Path and Very Deep... 

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題的背景及研究意義
    1.2 低分辨率圖像的降質(zhì)過(guò)程
    1.3 圖像超分辨率研究發(fā)展歷程及現(xiàn)狀
        1.3.1 基于傳統(tǒng)機(jī)器學(xué)習(xí)的圖像超分辨率方法
        1.3.2 基于深度學(xué)習(xí)的圖像超分辨率方法
    1.4 人臉幻構(gòu)發(fā)展歷程及現(xiàn)狀
        1.4.1 基于全局臉的算法
        1.4.2 基于局部臉的算法
        1.4.3 基于深度學(xué)習(xí)的算法
    1.5 圖像重建質(zhì)量評(píng)估標(biāo)準(zhǔn)
    1.6 論文的主要工作及結(jié)構(gòu)安排
第二章 基于MP-VDSR的圖像超分辨率方法
    2.1 深度學(xué)習(xí)背景介紹
        2.1.1 人工神經(jīng)網(wǎng)絡(luò)
        2.1.2 卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用
    2.2 VDSR超分辨率網(wǎng)絡(luò)
        2.2.1 網(wǎng)絡(luò)結(jié)構(gòu)圖
        2.2.2 訓(xùn)練細(xì)節(jié)
    2.3 基于MP-VDSR的超分辨率網(wǎng)絡(luò)
        2.3.1 Inception結(jié)構(gòu)及其思想
        2.3.2 MP-VDSR網(wǎng)絡(luò)結(jié)構(gòu)
    2.4 實(shí)驗(yàn)過(guò)程及結(jié)果比較
        2.4.1 數(shù)據(jù)集準(zhǔn)備
        2.4.2 自然圖像超分辨率結(jié)果
        2.4.3 甚低分辨率人臉幻構(gòu)結(jié)果
    2.5 本章小結(jié)
第三章 基于Encoder-Decoder的甚低分辨率人臉幻構(gòu)方法
    3.1 Encoder-Decoder模型
        3.1.1 模型背景
        3.1.2 主要應(yīng)用
    3.2 EDV和EDF網(wǎng)絡(luò)模型
        3.2.1 Resnet模塊
        3.2.2 網(wǎng)絡(luò)結(jié)構(gòu)及訓(xùn)練細(xì)節(jié)
    3.3 實(shí)驗(yàn)過(guò)程及結(jié)果比較
    3.4 本章小結(jié)
第四章 基于生成對(duì)抗網(wǎng)絡(luò)的甚低分辨率人臉幻構(gòu)方法
    4.1 生成對(duì)抗網(wǎng)絡(luò)的基本原理
        4.1.1 原始GAN模型
        4.1.2 WGAN和WGAN-GP模型
        4.1.3 梯度懲罰項(xiàng)GP和LP
    4.2 基于正則WGAN模型的甚低分辨率人臉幻構(gòu)
        4.2.1 模型生成器結(jié)構(gòu)EDV和EDF
        4.2.2 梯度懲罰項(xiàng)GP和LP
    4.3 實(shí)驗(yàn)過(guò)程及結(jié)果分析
        4.3.1 實(shí)驗(yàn)過(guò)程
        4.3.2 結(jié)果分析
    4.4 真實(shí)低分辨率人臉測(cè)試
        4.4.1 簡(jiǎn)單降質(zhì)模型下的重建結(jié)果分析
        4.4.2 復(fù)雜降質(zhì)模型下的重建結(jié)果分析
    4.5 本章小結(jié)
第五章 工作總結(jié)與展望
    5.1 工作總結(jié)
    5.2 未來(lái)展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫(xiě)的論文
附錄2 攻讀碩士學(xué)位期間申請(qǐng)的專(zhuān)利
附錄3 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝



本文編號(hào)：3677594