《表3 生成器的反卷积层参数》
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。
图表编号 | XD00102946000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.25 |
作者 | 刘柏森、邓琛、张雾琳 |
绘制单位 | 黑龙江工程学院电气与信息工程学院、黑龙江工程学院电气与信息工程学院、牡丹江师范学院物理与电子工程学院 |
更多格式 | 高清、无水印(增值服务) |