基于 CIFAR-10 的图像补全
计算机视觉与模式识别
2018-10-09 v1
摘要
本项目使用三种不同的神经网络架构在 CIFAR-10（一个包含 60,000 张 32x32 RGB 图像的数据集）上执行图像补全：全卷积网络、带全连接层的卷积网络，以及编码器-解码器卷积网络。性能最高的模型是一个深层全卷积网络，在将原始图像像素值与预测像素值比较时，能够达到 0.015 的均方误差。此外，该网络能够输出在人眼中看起来真实的修复图像。
引用
@article{arxiv.1810.03213,
title = {Image Completion on CIFAR-10},
author = {Mason Swofford},
journal= {arXiv preprint arXiv:1810.03213},
year = {2018}
}
备注
6 pages, 4 figures