基于生成式对抗网络的图像翻译研究及应用实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.2 课题研究现状 | 第10-12页 |
| 1.3 研究内容介绍 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 2 基于生成式对抗网络的图像翻译相关理论介绍 | 第14-25页 |
| 2.1 图像翻译基本理论 | 第14-15页 |
| 2.2 卷积神经网络CNN基本原理 | 第15-18页 |
| 2.3 生成式对抗网络GAN基本原理 | 第18-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 图像翻译模型的设计与实验验证 | 第25-45页 |
| 3.1 基于GAN的图像领域存在的问题 | 第25-26页 |
| 3.2 针对图像翻译领域的GAN网络结构设计 | 第26-28页 |
| 3.3 生成模型网络结构设计与实现 | 第28-32页 |
| 3.4 判别模型、加强模型网络结构设计与实现 | 第32-33页 |
| 3.5 GAN稳定性优化 | 第33-35页 |
| 3.6 网络训练过程 | 第35-37页 |
| 3.7 数据采集 | 第37-38页 |
| 3.8 实验结果 | 第38-43页 |
| 3.9 本章小结 | 第43-45页 |
| 4 图像翻译系统设计与实现 | 第45-66页 |
| 4.1 深度学习模型移动化背景 | 第45-46页 |
| 4.2 iOS平台模型移植 | 第46-48页 |
| 4.3 模型移动化结果分析 | 第48-50页 |
| 4.4 图像翻译系统开发需求分析 | 第50页 |
| 4.5 开发环境 | 第50-51页 |
| 4.6 功能设计 | 第51-52页 |
| 4.7 数据库设计 | 第52-53页 |
| 4.8 通信协议设计 | 第53-55页 |
| 4.9 图像翻译模块设计 | 第55-56页 |
| 4.10 图像翻译功能展示 | 第56-58页 |
| 4.11 其余功能展示 | 第58-61页 |
| 4.12 系统性能测试 | 第61-64页 |
| 4.13 本章小结 | 第64-66页 |
| 5 总结与展望 | 第66-69页 |
| 5.1 论文主要贡献 | 第66-67页 |
| 5.2 未来工作展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74页 |
