计算机应用研究

作者：陈贵强,何军,罗顺茺,

单位：四川大学计算机学院,成都610065；

关键词：单幅图像超分辨率恢复,生成对抗网络,CycleGAN,半监督学习,人脸超分辨率,

基金：国家自然科学基金资助项目(U1836103)；四川省科技重点研发项目(18ZDYF2039)；四川省重大科技专项(2017GZDZX0002)；；

针对有监督超分辨率算法训练过程需要大量成对图像、处理真实低分辨率图像视觉恢复效果差等问题，提出了一种基于改进CycleGAN的半监督算法Cycle-SRNet。首先，利用退化模型获得与真实低分辨率人脸相似的图像，用于训练网络参数；其次，通过重建模型恢复出具有真实效果的高分辨率人脸图像；最后引入感知损失函数保持人脸结构相似性，以更好地恢复面部特征。实验结果表明，该算法不需要成对的图像进行网络训练，在视觉效果上能够将模糊的视频监控低分辨率人脸图像恢复成清晰可辨的人脸图像，在FID、PSNR和SSIM指标上超越了SRCNN、SRGAN、CinCGAN等方法。

来源：2021年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第10期