| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 论文主要工作 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 相关知识 | 第16-22页 |
| 2.1 深度学习模型相关知识 | 第16-17页 |
| 2.2 图像超分辨率生成相关知识 | 第17-19页 |
| 2.3 对抗生成网络相关知识 | 第19-20页 |
| 2.4 系统开发相关知识 | 第20-22页 |
| 第三章 基于对抗生成网络的图像超分辨率生成的研究 | 第22-34页 |
| 3.1 SRGAN模型生成效果分析 | 第22-23页 |
| 3.2 基于对抗生成网络的图像生成算法 | 第23-29页 |
| 3.2.1 基于对抗生成网络的图像生成算法框架 | 第24页 |
| 3.2.2 基于边缘检测的损失函数设计 | 第24-26页 |
| 3.2.3 基于DenseNet稠密网络设计 | 第26-28页 |
| 3.2.4 基于对抗生成网络的图像超分辨率生成算法实现步骤 | 第28-29页 |
| 3.3 实验结果及分析 | 第29-33页 |
| 3.3.1 边缘检测实验结果 | 第29-30页 |
| 3.3.2 DenseNet模型实验结果 | 第30-31页 |
| 3.3.3 综合实验结果 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 迭代式对抗生成网络压缩模型 | 第34-44页 |
| 4.1 迭代式对抗生成网络模型设计 | 第34-37页 |
| 4.1.1 迭代式压缩模型设计 | 第34-35页 |
| 4.1.2 对抗生成网络模型设计 | 第35-37页 |
| 4.2 图像超分辨率生成中的模型压缩 | 第37-39页 |
| 4.2.1 不同模型间速度对比 | 第37页 |
| 4.2.2 生成器的网络结构设计 | 第37-39页 |
| 4.3 实验结果和分析 | 第39-43页 |
| 4.3.1 MNIST手写数据集实验 | 第39-41页 |
| 4.3.2 图像超分辨率生成模型压缩实验 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 图像增强系统的设计与实现 | 第44-58页 |
| 5.1 GAN-SR系统的需求分析 | 第44-46页 |
| 5.1.1 用户角度需求分析 | 第44-45页 |
| 5.1.2 系统模块需求分析 | 第45-46页 |
| 5.2 GAN-SR系统的总体设计 | 第46-48页 |
| 5.3 GAN-SR系统的详细设计 | 第48-54页 |
| 5.3.1 用户界面模块 | 第48-49页 |
| 5.3.2 后台管理模块 | 第49-51页 |
| 5.3.3 数据存储模块 | 第51-53页 |
| 5.3.4 图像请求流程 | 第53-54页 |
| 5.4 GAN-SR系统的部署与测试 | 第54-57页 |
| 5.4.1 GAN-SR系统部署 | 第54页 |
| 5.4.2 GAN-SR系统测试 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66页 |