智能手機的拍照功能十分便捷,與人們日常生活密不可分,隨著科技的發(fā)展和人們生活水平的日益提升,人們對手機拍照質量的要求也逐漸提高,但是由于智能手機體積較小,必然導致其內置相機的物理限制——鏡頭的光學參數(shù)、傳感器的尺寸以及缺乏特定硬件支持等,對其拍照質量大有影響,無法達到單反相機的拍照質量。物理上的限制無法完全克服,但可以通過后期處理進行圖像增強,從而提升照片質量。目前后期處理的方法通常是通過專業(yè)的修圖軟件進行手動調整,費時費力且需具備一定的專業(yè)技能。因此論文提出一種全自動端到端的基于深度學習的方法,其目標是利用神經網絡直接學習手機照片到單反照片的映射,常見的處理圖像到圖像轉換問題的深度學習方法是利用均方誤差損失函數(shù)加卷積神經網絡。論文主要工作包括以下方面:（1）對損失函數(shù)與網絡架構進行優(yōu)化,在傳統(tǒng)的均方誤差損失函數(shù)上加上對抗損失和內容損失組成一個多項損失函數(shù)使生成圖像更真實,替換標準的卷積神經網絡為生成對抗網絡,并在其中引入殘差網絡的跳躍連接使圖像細節(jié)信息更好的保留。（2）開發(fā)一個基于Web端的手機照片增強系統(tǒng),將訓練好的網絡模型移植到服務器上以提供一種服務,用戶可以通過網頁端上傳手機照... 

【文章來源】：云南大學云南省 211工程院校

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

圖２－１?ＭＰ模型神經元結構示意圖??

２．２前饋神經網絡??前饋神經網絡（Ｆｅｅｄｆｏｒｗａｒｄ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，ＦＮＮ）是人工神經網絡中最簡單??也最為基礎的一種神經網絡。前饋神經網絡結構如圖２－２所示，網絡中大體可以??分為３種類層，將第一層稱為輸入層，最后一層為輸出層，其他中間層稱為隱藏??層，每層包含若干個神經元。每一個神經元都只接受上一層神經元的輸出，然后??傳遞給下一層神經元，以此類推，直至輸出層輸出整個網絡的結果，整個網絡都??沿一個方向傳播，其間沒有任何反饋。??圖２－２前饋神經網絡結構圖??前饋神經網絡的傳播過程為，假設輸入層有ｎ個輸入；ｃ，，對應有ｎ個權重??ｂ為偏置項，將其加權和傳遞給下一層中的神經元，然后通過神??／＝１??經元中的激活函數(shù)笑（；〇后得到輸出ｙＵ）：??ａ??ｙ（ｘ）＝尺?Ｕ（ｊｖ））?＝?ｇ（［＜ｙ，ｊｒ，?＋?Ａ）?（２－１）??／＝！??對于第／層網絡

輸入值的加權和進行非線性變換。如果沒有激活函數(shù)，每個神經元節(jié)點只能進行??線性變換，即使增加再多的神經元和網絡層，最終的輸出也只是輸入的線性變換??的疊加，這是無法處理現(xiàn)實世界中大多數(shù)情形下線性不可分數(shù)據(jù)的。如圖２－３為??幾種常用的激活函數(shù)：??ｙ?個?ｙ??０?ｘ?０?ｘ??Ｓｉｇｍｏｉｄ?ＲｃＬｕ??ｙ個?，??０?Ｘ??＾?０?Ｘ??＿Ｊ??ｔａｎｈ?Ｌｅａｋｙ?Ｒｅ?Ｉ＾Ｕ??圖２－３常用激活函數(shù)圖??（１）?Ｓｉｇｍｏｉｄ函數(shù)：表達式為（２－３）式，函數(shù)輸出范圍在［０，１］之間，總是??非負值，函數(shù)單調遞增，當取一個較大負值時輸出為０，當取一個較大正值時輸??１０??


本文編號：2955880