文档详情

一种基于生成式对抗网络的人脸表情生成方法.pdf

发布：2023-06-06约1.82万字共14页下载文档

文本预览下载声明

(19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 112990078 B (45)授权公告日 2022.05.10 (21)申请号 202110361039.6 G06V 10/82 (2022.01)

显示全部

相似文档

一种基于生成对抗的实时人脸表情迁移方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113343761 A (43)申请公布日 2021.09.03 (21)申请号 202110491501.4 G06T 7/42 (2017.01) (22)申请日 20
2023-06-19 约1.73万字 13页立即下载
基于生成对抗网络的人脸图像修复方法研究.pdf 摘要人脸图像修复作为图像处理领域的一部分，其利用已知像素的信息重构出合理、清晰、语义合适的图像。在实际应用中，人脸识别在从图像中获取人脸特征来识别人物的信息时，受到网络通信因素的影响，或外物遮挡人脸等都会影响人脸识别率。现有的基于深度学习的图像修复技术在修复人脸图像时取得良好效果，但在修复存在较大破损区域的人脸图像和修复不规则掩膜时，仍然存在图像修复区域模糊、语义不明确等问题。针对上述问题展开，主要研究工作概括如下：（1）提出一种基于边缘轮廓先验对抗网络的人脸图像修复方法。针对目前修复不规则掩膜人脸图像修复后人脸图像存在细节模糊，无法合成精细的纹理细节和存在多级特征信息间的关
2025-05-02 约7.44万字 55页立即下载
一种基于生成式对抗网络的脑电波信号降噪方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113349800 A (43)申请公布日 2021.09.07 (21)申请号 202110645810.2 (22)申请日 2021.06.10 (71)申请人重庆工程学院地址
2023-06-18 约8.35千字 11页立即下载
一种基于生成式对抗网络的芯片爬胶高度识别方法和系统.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114820429 A (43)申请公布日 2022.07.29 (21)申请号 202210148864.2 G06T 5/00 (2006.01)
2023-05-14 约1.59万字 12页立即下载
基于生成式对抗网络的画作图像合成方法.docx PAGE 1- 基于生成式对抗网络的画作图像合成方法一、1.生成式对抗网络概述 (1)生成式对抗网络（GAN）是一种深度学习模型，它由两个相互对抗的网络组成：生成器和判别器。生成器的目标是生成尽可能逼真的数据，而判别器的目标是区分生成器生成的数据和真实数据。这种对抗性训练使得生成器能够不断优化其生成策略，以欺骗判别器。GAN的应用领域非常广泛，包括图像生成、视频处理、音频合成以及自然语言处理等。 (2)在图像合成领域，GAN被证明是一种非常有用的工具。它能够根据给定的条件生成具有高分辨率的图像，同时保持了图像的真实性和连贯性。通过训练，生成器能够学习到图像的复杂结构和模式，从而生成与训练数据
2025-01-20 约2.48千字 5页立即下载
基于生成对抗网络的虚拟人脸论文.docx 基于生成对抗网络的虚拟人脸论文摘要：本文旨在探讨基于生成对抗网络（GAN）的虚拟人脸生成技术。通过分析GAN在人脸生成领域的应用，探讨其原理、挑战及未来发展方向，为虚拟人脸技术的进一步研究和应用提供参考。关键词：生成对抗网络；虚拟人脸；人脸生成；GAN；人脸识别一、引言（一）生成对抗网络在虚拟人脸生成中的应用 1.内容一：GAN的基本原理 生成对抗网络（GAN）是由IanGoodfellow等人于2014年提出的一种新型深度学习模型。它由生成器（Generator）和判别器（Discriminator）两部分组成。生成器的任务是生成与真实数据分布相似的假数据，而判别器的任务是区分
2025-04-15 约5.41千字 11页立即下载
基于生成式对抗网络的通用性对抗扰动生成方法.pptx 基于生成式对抗网络的通用性对抗扰动生成方法汇报人：2024-01-15 引言生成式对抗网络基本原理通用性对抗扰动生成方法实验结果与分析安全性讨论与防御策略总结与展望引言01 深度学习模型的安全性问题01随着深度学习技术的广泛应用，模型的安全性问题日益凸显，其中对抗样本攻击是深度学习模型面临的主要威胁之一。对抗样本攻击的危害02对抗样本攻击通过在原始输入数据中添加精心设计的扰动，使得深度学习模型产生错误的输出，从而导致模型性能下降甚至失效，给实际应用带来严重风险。通用性对抗扰动生成方法的重要性03研究通用性对抗扰动生成方法对于提高深度学习模型的安全性和鲁棒性具有重要意义，可以为模型提供更加全面
2024-06-03 约3.68千字 27页立即下载
基于生成对抗网络的非可逆人脸信息加密及人脸识别方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114463863 A (43)申请公布日 2022.05.10 (21)申请号 202111564707.1 G06F 21/60 (2013.01)
2023-05-09 约1.7万字 13页立即下载
一种结合残差块和上下文注意力模块的两阶段的基于生成对抗网络的人脸修复方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114820333 A (43)申请公布日 2022.07.29 (21)申请号 202110123489.1 (22)申请日 2021.01.29 (71)申请人天津科技大学地址 300457
2023-05-14 约7.52千字 7页立即下载
一种基于生成对抗网络的三维图形重光照生成方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116051717 A (43)申请公布日 2023.05.02 (21)申请号 202211501727.9 (22)申请日 2022.11.28 (71)申请人西北工业大学地址 710072
2023-05-11 约1.73万字 15页立即下载
一种基于生成对抗网络的可编辑属性的头像生成方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114882555 A (43)申请公布日 2022.08.09 (21)申请号 202210433808.3 G06V 10/32 (2022.01) (22)申请日 2022.04.
2023-05-14 约9.44千字 10页立即下载
生成式对抗网络.pptx - LOGO -生成式对抗网络Generative Adversarial Network ---不要怂，就是GAN--- June 1,2018早期理论积累GAN的理论及衍生模型GAN的应用介绍早期理论积累生成式对抗网络---博弈论生成式对抗网络GAN起源于博弈论中的二人零和博弈（two-player game）博弈方a:生成式模型（generative model）博弈方b:判别式模型（discriminative model）生成模型G: 捕捉样本数据的分布，用服从某一分不（均匀分布，高斯分布）的噪声z生成一个类似真实训练数据的样本，追求效果是越像真实的越好。判别模型D：是一个二分
2018-06-08 约3.64千字 24页立即下载
一种基于生成对抗网络的网络流量预测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112801411 A (43)申请公布日 2021.05.14 (21)申请号 202110222903.4 (22)申请日 2021.02.26 (71)申请人南京工业大学地址
2023-06-03 约2.66万字 27页立即下载
一种基于深度卷积生成对抗网络的遮挡人脸补全算法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112825188 A (43)申请公布日 2021.05.21 (21)申请号 20191
2023-06-04 约6.1千字 7页立即下载
一种基于生成对抗网络的橡胶手套缺陷检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112837295 A (43)申请公布日 2021.05.25 (21)申请号 202110170082.4 (22)申请日 2021.02.01 (71)申请人北京工业大学地址
2023-06-04 约1.24万字 10页立即下载