一种引入语义损失上下文编码器的掩膜图像修补方法.pdfVIP

下载本文档

1
0
约1.86万字
约 14页
2023-04-24 发布于北京
举报
版权申诉

一种引入语义损失上下文编码器的掩膜图像修补方法.pdf

1、本文档共14页，其中可免费阅读13页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明提供一种引入语义损失上下文编码器的掩膜图像修补方法，属于掩膜图像修补领域。包括以下步骤：首先，数据集的处理和分割后，利用上下文编码器算法的编码器—解码器结构完成从掩膜图片到生成图像的生成。其次，利用注意生成对抗网络的生成器完成生成图像的生成并同上下文编码器模块生成的图像进行交叉熵计算。最后，利用深度注意力多模态相似模型计算图片和文本之间的损失。本发明通过引入语义损失弥补了传统的深度学习方法对于大范围掩图像修补的性能较差的缺点，在该种图像修复领域有着更好的表现。

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114022372 A (43)申请公布日 2022.02.08 (21)申请号 202111238985.8 (22)申请日 2021.10.25 (71)申请人大连理工大学地址