基于生成对抗文本的人脸图像翻译研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文相关研究工作 | 第10-11页 |
| 1.4 本文内容安排 | 第11-13页 |
| 第2章 神经网络与对抗网络 | 第13-24页 |
| 2.1 人工神经网络 | 第13-15页 |
| 2.1.1 单层神经网络 | 第13-14页 |
| 2.1.2 多层神经网络 | 第14-15页 |
| 2.2 卷积神经网络 | 第15-19页 |
| 2.2.1 CNN的网络结构 | 第16页 |
| 2.2.2 局部连接和权值共享 | 第16-17页 |
| 2.2.3 卷积和下采样 | 第17-19页 |
| 2.3 生成对抗网络 | 第19-21页 |
| 2.3.1 对抗思想 | 第19页 |
| 2.3.2 GAN的网络结构 | 第19-20页 |
| 2.3.3 GAN的训练过程 | 第20-21页 |
| 2.4 深度卷积生成对抗网络 | 第21-23页 |
| 2.4.1 DCGAN的网络结构 | 第21-22页 |
| 2.4.2 DCGAN的训练细节与贡献 | 第22-23页 |
| 2.5 小结 | 第23-24页 |
| 第3章 图像翻译相关方法 | 第24-30页 |
| 3.1 基于CGAN的图像翻译方法 | 第24-25页 |
| 3.2 基于pix2pix的图像翻译方法 | 第25-26页 |
| 3.3 基于CycleGAN的图像翻译方法 | 第26-29页 |
| 3.3.1 对偶学习 | 第26-27页 |
| 3.3.2 损失函数 | 第27-28页 |
| 3.3.3 训练细节 | 第28-29页 |
| 3.4 小结 | 第29-30页 |
| 第4章 一种基于生成对抗文本的人脸图像翻译方法 | 第30-45页 |
| 4.1 文本预处理 | 第30-33页 |
| 4.2.1 LSTM网络 | 第30-32页 |
| 4.2.2 匹配文本获取 | 第32-33页 |
| 4.2 生成对抗文本网络 | 第33-38页 |
| 4.2.1 网络结构 | 第34-36页 |
| 4.2.2 文本匹配训练 | 第36-38页 |
| 4.2.3 流形插值学习 | 第38页 |
| 4.3 实验结果与分析 | 第38-44页 |
| 4.4 小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 全文总结 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 附录A 攻读硕士学位期间科研成果 | 第52-53页 |
| 附录B 攻读硕士学位期间参与项目 | 第53页 |
