典型文献
基于双判别器加权生成对抗网络的图像去模糊方法
文献摘要：
原始生成对抗网络(generative adversarial network,GAN)在训练过程中容易产生梯度消失及模式崩溃的问题,去模糊效果不佳.由此本文提出双判别器加权生成对抗网络(dual discriminator weighted generative adversarial network,D2WGAN)的图像去模糊方法,在GAN的基础上增加了一个判别器网络,将正向和反向KL(Kullback-Leibler)散度组合成一个目标函数,引入加权的思想调整正向和反向KL散度的比例,利用两个散度的互补特性,在学习清晰图片过程中避免不良模式的形成.实验结果表明,与现有方法相比,本文方法能更真实地恢复图像细节部分,且在评价指标峰值信噪比和图像结构相似度上有更好的表现.
文献关键词：
生成对抗网络;加权;双判别器;图像去模糊
中图分类号：
作者姓名：
黄梦涛;高娜;刘宝
作者机构：
西安科技大学 电气与控制工程学院,陕西 西安 710054
文献出处：
引用格式：
[1]黄梦涛;高娜;刘宝-.基于双判别器加权生成对抗网络的图像去模糊方法)[J].红外技术,2022(01):41-46
A类：
D2WGAN
B类：
双判别器,生成对抗网络,图像去模糊,generative,adversarial,network,训练过程,梯度消失,模式崩溃,dual,discriminator,weighted,KL,Kullback,Leibler,散度,组合成,互补特性,峰值信噪比,和图像,结构相似度
AB值：
0.290942
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
