结合风格迁移的循环生成对抗网络算法用于图像生成
计算机视觉与模式识别
2021-01-12 v1 机器学习
图像与视频处理
摘要
机器学习工程师面临的最大挑战是其所拥有数据的缺乏，尤其是二维图像方面。图像被处理以训练入机器学习模型，从而使其能够识别数据中的模式并给出预测。本研究旨在使用循环生成对抗网络（GANs）算法创建一种解决方案，以克服数据缺乏的问题。随后使用风格迁移（Style Transfer）基于给定风格生成新图像。基于所得模型的测试结果进行了若干改进，先前照片生成器损失值为 3.1267、莫奈风格生成器：3.2026、照片判别器：0.6325、莫奈风格判别器：0.6931，改进后为照片生成器：2.3792、莫奈风格生成器：2.7291、照片判别器：0.5956、莫奈风格判别器：0.4940。期望本研究使该解决方案的应用有益于教育、艺术、信息技术、医学、天文学、汽车及其他重要领域。
引用
@article{arxiv.2101.03921,
title = {Cycle Generative Adversarial Networks Algorithm With Style Transfer For Image Generation},
author = {Anugrah Akbar Praramadhan and Guntur Eka Saputra},
journal= {arXiv preprint arXiv:2101.03921},
year = {2021}
}
备注
in Indonesian language