[发明专利]一种基于生成对抗网络模型的图像补全方法在审
| 申请号： | 201811041268.4 | 申请日： | 2018-09-07 |
| 公开（公告）号： | CN109360159A | 公开（公告）日： | 2019-02-19 |
| 发明（设计）人： | 周智恒;李立军 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于生成对抗网络模型的图像补全方法，属于深度学习神经网络领域，包括以下步骤：S1、构造原始生成对抗网络模型；S2、构造深度卷积神经网络作为生成器与判别器；S3、去除数据集图像中的部分像素，输入生成器中；S4、在生成器中运用卷积神经网络对图像进行补全；S5、将补全之后的图像与数据集图像输入判别器中判别，更新损失函数。本方法构建的基于图像补全的生成对抗网络模型，改变了生成器接收的信息，从噪声改成了去除部分像素的图像，通过生成器与判别器的对抗训练，使生成器能自动补全缺失的部分像素。 | ||
| 搜索关键词： | 生成器 网络模型 图像 像素 卷积神经网络 对抗 数据集图像 判别器 去除 学习神经网络 对抗训练 输入判别 损失函数 原始生成 构建 噪声 更新 | ||
【主权项】：
1.一种基于生成对抗网络模型的图像补全方法，其特征在于，所述的图像补全方法包括下列步骤：S1、构造原始生成对抗网络模型；S2、构造深度卷积神经网络作为生成器与判别器；S3、去除数据集图像中的部分像素，输入生成器中；S4、在生成器中运用卷积神经网络对图像进行补全；S5、将补全之后的图像与数据集图像输入判别器中判别，更新损失函数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811041268.4/，转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
