購物車(0)
一種改進深度卷積生成對抗網(wǎng)絡的人臉分割方法
關鍵詞：深度學習 語義分割 人臉分割 生成式對抗網(wǎng)絡 深度卷積生成式對抗網(wǎng)絡
摘要：在智能算法領域,人臉識別是一個重要的算法部分,而人臉分割又是人臉識別的一個重要組成部分。提出一種基于改進的深度卷積生成式對抗網(wǎng)絡的人臉分割方法,將端到端的圖像變換模式應用于生成器中,利用生成器對人臉圖像進行分割。深度卷積生成式對抗網(wǎng)絡將卷積層加入到生成器和判別器,使得生成器通過反卷積產(chǎn)生圖像,而文中在反卷積之前再加入卷積層,組合形成全卷積的網(wǎng)絡結構,將生成器的圖像生成功能擴展成為語義分割功能。同時,生成器的輸入原圖和輸出標簽的通道組合作為判別器的判別對象,通過判別器來評判分割水平,進一步提高分割的標簽與輸入原圖的關聯(lián)性。經(jīng)過多次實驗,驗證此方法能有效分割人臉主要區(qū)域。
黑龍江工程學院學報雜志要求:
{1}參考文獻的著錄格式采用順序編碼制，請按文中出現(xiàn)的先后順序編號。所引文獻必須是作者直接閱讀參考過的、最主要的、公開出版的文獻。
{2}內容要求學術規(guī)范、數(shù)據(jù)可靠，文章具有學理性、創(chuàng)新性、原創(chuàng)性。
{3}稿件應為尚未公開發(fā)表的原創(chuàng)性學術作品。
{4}文內標題層次不宜過多，序號按1;1.1，1.2;1.1.1，1.1.2……的順序排列。標題一律左頂格。各級標題字數(shù)不宜過多，同級標題不應時有時無。論文按引言、材料與方法、結果、討論等順序結構撰寫。
{5}作者及其工作單位中姓名、單位均居中單列。工作單位包括單位及部門全稱、所在省市名及郵政編碼，單位名稱與省市名之間應以逗號分隔，用圓括號括起。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
