-
题名基于双专用注意力机制引导的循环生成对抗网络
被引量:1
- 1
-
-
作者
劳俊明
叶武剑
刘怡俊
袁凯奕
-
机构
广东工业大学信息工程学院
广东工业大学集成电路学院
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2022年第6期746-757,共12页
-
基金
广东省教育厅创新人才广东工业大学青年百人项目(No.220413548)
广东省重点区域研究开发计划(No.2018B010115002,No.2018B010107003,No.2018B030338001)。
-
文摘
现有基于循环生成对抗网络的图像生成方法通过引入独立通用的注意力模块,在无匹配图像转换任务中取得了较好的效果,但同时也增加了模型复杂度与训练时间,而且难以关注到图中关键区域的所有细节,图像生成效果仍有提升的空间。针对上述问题,提出一种基于双专用注意力机制引导的循环生成对抗网络(Dual-SAG-CycleGAN),分别对生成器和判别器采用不同的注意力机制进行引导。首先,提出一种名为SAG(Special Attention-mechanism Guided)的专用注意力模块来引导生成器工作,在提升生成图像质量的同时降低网络的复杂度;然后,对判别器采用基于CAM(Class Activation Mapping)的专用注意力机制引导模块,抑制生成器生成无关的噪声;最后,提出背景掩码的循环一致性损失函数,引导生成器生成更加精准的掩码图,更好地辅助图像转换。实验证明,本文方法与现有同类模型相比,网络模型参数量降低近32.8%,训练速度快34.5%,KID与FID最低分别可达1.13和57.54,拥有更高的成像质量。
-
关键词
生成对抗网络
无匹配图像转换
专用注意力机制
循环一致性损失
图像生成
-
Keywords
generative adversarial networks
unpaired image-to-image translation
attention mechanism
cycle consistency loss
image generation
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-