西安邮电大学计算机学院
纸质出版:2022
移动端阅览
李萌萌, 马力, 贾宇峰. 模式搜索星型生成对抗网络下的面部表情生成[J]. 传感器与微系统, 2022,(7):147-151.
模式搜索星型生成对抗网络下的面部表情生成[J]. 2022, (7): 147-151.
李萌萌, 马力, 贾宇峰. 模式搜索星型生成对抗网络下的面部表情生成[J]. 传感器与微系统, 2022,(7):147-151. DOI: 10.13873/J.1000-9787(2022)07-0147-05.
模式搜索星型生成对抗网络下的面部表情生成[J]. 2022, (7): 147-151. DOI: 10.13873/J.1000-9787(2022)07-0147-05.
针对生成对抗网络(GAN)在训练过程中因容易出现的模式崩塌现象导致面部表情生成图像效果不佳的问题,提出一种基于模式搜索星型生成对抗网络(StarGAN)的面部表情图像生成方法。首先将模式搜索正则项与星型生成对抗网络的生成器损失相结合,以改善星型生成对抗网络的模式崩塌现象;其次将网络结构中生成器的普通卷积层使用空间可分离卷积替代,相对减少训练参数,提高模型训练的稳定性。实验在2个数据集上与CycleGAN
DiscoGAN和StarGAN等模型生成的图像进行质量比较,在CK+数据集上弗雷歇距离分别提高了2.98
2.20和1.64;在FER2013数据集上弗雷歇距离分别提高了2.60
1.72和0.68。本文所提出的模式搜索StarGAN模型可以更有效改善模式崩塌问题,进而提高表情图像的质量和模型训练的稳定性。
针对生成对抗网络(GAN)在训练过程中因容易出现的模式崩塌现象导致面部表情生成图像效果不佳的问题,提出一种基于模式搜索星型生成对抗网络(StarGAN)的面部表情图像生成方法。首先将模式搜索正则项与星型生成对抗网络的生成器损失相结合,以改善星型生成对抗网络的模式崩塌现象;其次将网络结构中生成器的普通卷积层使用空间可分离卷积替代,相对减少训练参数,提高模型训练的稳定性。实验在2个数据集上与CycleGAN
DiscoGAN和StarGAN等模型生成的图像进行质量比较,在CK+数据集上弗雷歇距离分别提高了2.98
2.20和1.64;在FER2013数据集上弗雷歇距离分别提高了2.60
1.72和0.68。本文所提出的模式搜索StarGAN模型可以更有效改善模式崩塌问题,进而提高表情图像的质量和模型训练的稳定性。
StackGAN++: Realistic Image Synthesis with Stacked Generative Adversarial Networks. [J] . Zhang Han,Xu Tao,Li Hongsheng,Zhang Shaoting,Wang Xiaogang,Huang Xiaolei,Metaxas Dimitris N. IEEE transactions on pattern analysis and machine intelligence . 2019 (8)
Challenges in representation learning: A report on three machine learning contests [J] . Ian J. Goodfellow,Dumitru Erhan,Pierre Luc Carrier,Aaron Courville,Mehdi Mirza,Ben Hamner,Will Cukierski,Yichuan Tang,David Thaler,Dong-Hyun Lee,Yingbo Zhou,Chetan Ramaiah,Fangxiang Feng,Ruifan Li,Xiaojie Wang,Dimitris Athanasakis,John Shawe-Taylor,Maxim Milakov,John Park,Radu Ionescu,Marius Popescu,Cristian Grozea,James Bergstra,Jingjing Xie,Lukasz Romaszko,Bing Xu,Zhang Chuang,Yoshua Bengio. Neural Networks . 2015
A principal component analysis of facial expressions [J] . Andrew J Calder,A.Mike Burton,Paul Miller,Andrew W Young,Shigeru Akamatsu. Vision Research . 2001 (9)
0
浏览量
143
下载量
4
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621