摘要
本发明公开了基于多注意力引导多特征融合渐进式的颜面图像修复方法,包括1)建立并处理缺损颜面样本集;2)搭建粗修复网络:搭建引入空洞卷积的粗修复网络修复大面积缺损图像;3)在精修复网络中,基于多注意力的多尺度特征融合的方法,从“细节‑结构‑全局”出发高质量重建图像;4)使用生成对抗网络,通过生成器和判别器的对抗训练机制,生成高度逼真且多样化的数据;5)使用测试集对最终的网络进行分析测试。本发明针对颜面大面积缺损修复细节易失真的问题,提出基于多注意力自适应特征融合方法,可提升关键细节区域如眼部、嘴部等的修复品质;采用了二阶段渐进式生成对抗修复网络,提升了复杂纹理和大面积缺损情况下的修复效果。
技术关键词
图像修复方法
注意力机制
加权特征
生成对抗网络
分支
sigmoid函数
全卷积神经网络
编解码器
特征融合方法
融合特征
生成高度
上采样
空洞
掩模
解码模块
系统为您推荐了相关专利信息
力评价方法
模拟训练场景
神经网络模型
指标
心理
LSSVM模型
等级识别方法
风险
条件生成对抗网络
正则化参数
面向无人机
车辆
无人机遥感图像
掩膜
智能安防系统
动态知识图谱
强化学习框架
动态校准方法
答案
阈值机制