《表1 不同算法的PSNR和SSIM》

  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

《基于生成对抗网络的面部修复》

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

通过对不同算法的修复效果进行比较，得出质量评价评分表如表1所示，本文的峰值信噪比和结构相似性值都比Auto-encoder和DCGAN略高一些，可以看出本文中改良的模型对图像破损区域较大的图像修复效果比另外两种算法更加优良．本文的算法以DCGAN为基础模型，将原Sigmoid函数进行了改进使其扩大了不饱和的区域，并且和增加的tanh函数相互作用使得梯度易消失的问题得到改善，以及改进的损失函数也使图像的修复效果更加接近原始图像．经过试验数据进行验证，发现运用改良之后的模型确实能够获得更优的效果．