Pytorch实现之结合SE注意力和多种损失的特征金字塔架构GAN的图像去模糊方法

简介

简介:提出了一种利用特征金字塔作为框架代替多尺度输入的一种方法来构建生成器模型,减少了模型规模并加快了训练速度。在模型架构中还融合了通道注意力方法来提高训练能力。作者在生成器中采用了三种常见的损失计算,在鉴别器中结合了最小二乘和相对论损失来改善模型训练。

论文题目:Image Deblurring Based on Generative Adversarial Networks(基于生成对抗网络的图像去模糊)

会议:International Conference on Intelligent Computing and Signal Processing (ICSP)

摘要:图像去模糊技术利用深度学习方法解决单幅图像的模糊问题,这是计算机视觉领域的一个具有挑战性的问题。 近年来,深度学习和计算机视觉的快速发展,提高了模糊处理算法的性能

你可能感兴趣的:(优质GAN模型训练自己的数据集,pytorch,生成对抗网络,人工智能,机器学习,深度学习,计算机视觉,图像生成)