吉林大学学报(理学版) ›› 2022, Vol. 60 ›› Issue (4): 897-905.
葛延良, 孙笑笑, 张乔, 王冬梅, 王肖肖
GE Yanliang, SUN Xiaoxiao, ZHANG Qiao, WANG Dongmei, WANG Xiaoxiao
摘要: 针对当前卷积神经网络通常以降低感受野为条件获得多尺度图像特征, 以及很难捕获各特征通道之间重要关系的问题, 结合循环生成对抗网络结构的特点提出一种新的多尺度自注意力机制的循环生成对抗网络. 首先, 在生成器中使用VGG16模块组成U-Net结构网络, 以增强对图像特征信息的提取, 同时对网络中的下采样和上采样进行改进, 以提高特征分辨率, 获取更多的细节信息; 其次, 设计多尺度特征聚合模块, 采用不同采样率的多个并行空洞卷积, 整合了不同尺度上的空间信息, 在保持图像较大感受野的同时, 多比例地捕捉图像信息; 最后, 为捕获空间维度和通道维度中的特征依赖关系, 设计像素自注意力模块对空间维度和通道维度上的语义依赖关系进行建模, 以增强图像特征的表现能力, 提高生成素描图像的质量.
中图分类号: