不同纹理复杂度图像生成中CycleGAN循环一致损失系数-计算机科学.pdf

第 卷 第 期 计 算 机 科 学 ４６ 　 １ Vol．４６No．１ 年 月 ２０１９ １ COMPUTER SCIENCE Jan．２０１９ 不同纹理复杂度图像生成中CcleGAN循环一致损失 y 系数优化选择方法 徐 强 钟尚平 陈开志 张春阳 　 　 　 　 (福州大学数学与计算机科学学院 福州 ) 　 ３５０１１６ (福州大学网络系统信息安全福建省高校重点实验室 福州 ) 　 ３５０１１６ 　 . , 摘 要 高质量的图像生成一直是计算机视觉等领域探索的难点和热点 通过使用循环一致损失 在无 　 　 CcleGAN y . , 监督图像生成任务中取得了良好效果 但是面对不同纹理复杂度的图像生成任务 CcleGAN的循环一致损失系数 y , , . 是默认不变的 使得生成图像存在纹理变形甚至消失等弱点 不能很好地保证生成图像的质量 文中融合图像的空间 , , 维度和时间维度来度量图像的纹理复杂性 阐明循环一致损失函数在优化目标函数中的重要性 发现并解释循环一致 : , ; , 损失系数的大小与不同纹理复杂度图像生成质量的关联性 纹理复杂度越高 应选择越大的循环一致损失系数 反之 . , 应取越小的循环一致损失系数 文中使用基准和自采集的图像数据集 引入了基于迁移学习的分类准确性等生成图 . , , . 像质量评估指标 实验结果表明 优化选择大小合适的循环一致损失系数 可有效提高生成图像的质量 , , , , 关键词 图像生成 优化选择系数 循环一致损失 纹理复杂度 　 CcleGAN y 中图法分类号