基于注意力机制的循环一致性生成对抗网络 |
| |
引用本文: | 周美丽,屈佳佳.基于注意力机制的循环一致性生成对抗网络[J].延安大学学报(自然科学版),2023(1):14-19. |
| |
作者姓名: | 周美丽 屈佳佳 |
| |
作者单位: | 延安大学物理与电子信息学院 |
| |
摘 要: | 针对循环一致性生成对抗网络(Cycle-GAN)在图像风格转换任务上出现的纹理细节处理得不好、背景颜色保留较差等问题,并且缩小在配对图像数据集和非配对图像数据集上训练结果的差异,提出一种基于注意力机制的循环一致性生成对抗网络,在生成器网络中融入通道注意力机制(SE-Net),利用网络自主学习的方法得到每一个特征通道的重要程度,再分别赋予每个特征通道不一样的权重系数,以此来强调有重要特征的部分、抑制非重要特征的部分,使得不同特征和不同区域能够被生成器网络非均匀的处理。同时引入对比学习(CL),使网络能够学习到图像的更高层次的通用特征。实验结果表明,所提方法在horse2zebra数据集上取得了较好的结果。
|
关 键 词: | 生成对抗网络 循环一致性生成对抗网络 通道注意力机制 对比学习 |
|
|