學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890

Browse

Subject: search.filters.subject.generative adversarial network

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    疊代推進生成對抗網路用於陰影去除
    (2022) 吳建霖; Wu, Chien-Lin
    隨著科技的高速發展，深度學習在工業、軍事、民生科技處處都有大量的應用，現今運用在影像處理上的深度學習技術不斷進步，影像的去除如影像除霧、去反光、去陰影等都是電腦視覺領域中具挑戰性的任務。本論文研究目的為針對影像陰影去除提出了迭代推進生成對抗網路，首先我們輸入陰影圖藉由兩個生成器網路分別生成出無陰影的圖及殘差陰影圖，將兩者合成得到陰影圖，與輸入進行比對，最後將合成的圖再次輸入至網路重複上述步驟直到收斂，透過迭代推進的方式提升陰影移除的效果。此外為了使結果更加優異，我們的生成器網路加入了注意力機制，讓模型更專注於影子的部分，以及長短期記憶，使我們在長序列訓練過程中有更好的表現，最後是修復網路，以進一步改善生成的結果。我們與傳統方法以及近年來基於深度學習所提出的陰影去除方法比較，實驗結果表明本論文所提出的迭代推進方法有更優異的結果。
  • No Thumbnail Available
    Item
    基於生成對抗式網路的人臉影像身分重建
    (2021) 屈軒宇; Chiu, Daniel
    基於卷積神經網路的人臉辨識技術已經達成極高的準確率並且廣泛應用於各種場域，然而在特定的應用場合人臉辨識技術還是有很大的挑戰，特別是影像品質不佳的監控設備環境下，人會與鏡頭有較大的距離，導致人臉影像解析度過低造成人臉身分難以辨識，為此我們提出一個新穎的基於生成對抗式網路的人臉影像重建網路，藉由學習低解析度的人臉影像與高解析度的人臉影像之映射關係，我們可以從低解析度人臉影像重建出高解析度人臉影像，此外我們使用Feature Embedding的方法從網路的輸出層得到人臉身分特徵，並且利用三元組損失計算人臉身分特徵用以訓練神經網路，使神經網路可以藉由人臉身分特徵表達做相應的高解析度人臉影像重建，實驗階段我們使用了公開的人臉資料集CASIA-WebFaces進行訓練，並與近年來基於深度學習所提出的底解析度人臉重建方法作為比較並稱為傳統方法。實驗結果表明我們所提出的極低解析度人臉重建網路在大倍率放大的影像品質與辨識率優於傳統方法。