《表1 生成器模型的体系结构》

  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

《生成式对抗网络在图像补全中的应用》

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

在对图像进行补全之前，可以使用卷积层来降低待补全图像的分辨率：一部分卷积层的卷积步幅为2，目的是将输入的待补全图像的大小减小为原来的一半，以降低图像的存储空间和计算时间。同时，生成器模型中也加入了一部分卷积步幅为1的卷积层，目的是在待补全图像的一些特征级上提取更多的特征图。在降低了待补全图像的分辨率后，可以使用扩张卷积层进行图像补全，扩张系数η的不同正是扩张卷积层的优势所在，在不增加计算消耗的同时，成倍地扩大了可以涵盖的缺失区域的周围区域，而这也正是本文方法可以对高分辨率图像进行补全的关键所在。在补全工作完成之后，又可以参照Long等[17]提出的理论使用反卷积层将补全好的图像恢复到原始的分辨率。需要注意的是，由于考虑到图像整体纹理结构的合理性，这里仅将图像的分辨率降低到原来的1/4。生成器模型的体系结构如表1所示。