《表2 生成器的卷积层参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种改进深度卷积生成对抗网络的人脸分割方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

3)通道RGB的人脸原图输入进生成器，经过4次步长卷积的降采样，其中，最外层卷积采用大核卷积，扩大输入层的感受视野，卷积层具体参数见表2。然后接入串联的block结构进一步获取特征，最后通过反卷积输出单通道的标签图并且还原到原图尺寸，反卷积层具体参数见表3。人脸相对于其他生物或者是物体而言更为复杂，仅通过步长卷积的降采样难以获取到足够多且严谨的特征图，因此，加入残差网络ResNet中的block结构，如图5所示。它由3个卷积层、3个批量归一化层、3个relu激活层和1个累加器构成，block的输出为3次卷积后的特征图与block输入的叠加，以此保持特征的延续，缓解因为网络过深而引起的网络退化问题和在连续卷积运算中引起的特征丢失问题。