基于全局与局部感知对抗网络的图像修复算法研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究概况 | 第10-14页 |
| 1.3 论文的主要研究内容 | 第14-15页 |
| 2 生成对抗网络技术 | 第15-21页 |
| 2.1 生成对抗网络 | 第15-17页 |
| 2.2 Wasserstein生成对抗网络 | 第17-18页 |
| 2.3 条件生成对抗网络 | 第18页 |
| 2.4 感知对抗网络 | 第18-20页 |
| 2.5 TensorFlow科学计算库 | 第20页 |
| 2.6 本章小结 | 第20-21页 |
| 3 图像修复算法 | 第21-31页 |
| 3.1 算法框架 | 第21-22页 |
| 3.2 数据预处理 | 第22-23页 |
| 3.3 模型 | 第23-25页 |
| 3.4 损失函数 | 第25-29页 |
| 3.5 训练算法 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 4 图像修复算法实现 | 第31-39页 |
| 4.1 实验环境 | 第31-33页 |
| 4.2 数据加载及预处理实现 | 第33-35页 |
| 4.3 模型实现 | 第35-37页 |
| 4.4 损失函数实现 | 第37页 |
| 4.5 训练算法实现 | 第37-38页 |
| 4.6 本章小结 | 第38-39页 |
| 5 图像修复算法评估 | 第39-46页 |
| 5.1 训练稳定性 | 第39-40页 |
| 5.2 修复准确性 | 第40-44页 |
| 5.3 本章小结 | 第44-46页 |
| 6 总结与展望 | 第46-48页 |
| 6.1 全文总结 | 第46-47页 |
| 6.2 课题展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-51页 |
