| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景及研究意义 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 传统的图像修复技术 | 第9-11页 |
| 1.2.2 基于深度学习的图像修复技术 | 第11-12页 |
| 1.3 图像修复效果评价 | 第12-13页 |
| 1.4 本文主要内容及章节安排 | 第13-15页 |
| 2 深度卷积神经网络 | 第15-26页 |
| 2.1 BP神经网络 | 第15-18页 |
| 2.1.1 单个神经元模型 | 第15-16页 |
| 2.1.2 前馈神经网络及前向传播 | 第16-17页 |
| 2.1.3 反向传播算法 | 第17-18页 |
| 2.2 卷积神经网络 | 第18-25页 |
| 2.2.1 卷积神经网络概述 | 第18-19页 |
| 2.2.2 卷积层 | 第19-21页 |
| 2.2.3 激励层 | 第21-23页 |
| 2.2.4 池化层 | 第23-25页 |
| 2.2.5 批量归一化 | 第25页 |
| 2.2.6 Dropout | 第25页 |
| 2.3 本章小结 | 第25-26页 |
| 3 基于深度卷积生成对抗网络生成图像 | 第26-44页 |
| 3.1 生成对抗网络 | 第26-30页 |
| 3.1.1 生成对抗网络概述 | 第26-27页 |
| 3.1.2 生成对抗网络的结构及原理 | 第27-29页 |
| 3.1.3 生成对抗网络的训练方法 | 第29-30页 |
| 3.2 深度卷积生成对抗网络 | 第30-31页 |
| 3.3 TensorFlow实验平台搭建 | 第31-33页 |
| 3.3.1 TensorFlow概述 | 第31-32页 |
| 3.3.2 TensorFlow原理 | 第32页 |
| 3.3.3 TensorFlow的安装 | 第32-33页 |
| 3.4 MNIST数据集的手写体数字生成实验 | 第33-39页 |
| 3.4.1 网络结构设计及实验设置 | 第33-36页 |
| 3.4.2 实验结果及分析 | 第36-39页 |
| 3.5 CelebA数据集的人脸图像生成实验 | 第39-43页 |
| 3.5.1 网络结构设计及实验设置 | 第39-41页 |
| 3.5.2 实验结果及分析 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 基于深度卷积生成对抗网络修复图像 | 第44-59页 |
| 4.1 基于DCGAN的图像修复技术 | 第44-45页 |
| 4.2 CelebA数据集的人脸图像修复实验 | 第45-57页 |
| 4.2.1 实验设计 | 第45页 |
| 4.2.2 中心缺失的人脸图像修复实验 | 第45-52页 |
| 4.2.3 左脸缺失的人脸图像修复实验 | 第52-57页 |
| 4.3 Chars74K数据集的手写体图像修复实验 | 第57-58页 |
| 4.3.1 实验设计 | 第57页 |
| 4.3.2 中心缺失的手写数字图像修复实验 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 总结与展望 | 第59-60页 |
| 5.1 论文研究工作总结 | 第59页 |
| 5.2 工作展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |