基于残差变分自编码器的人脸重构研究.docx

基于残差变分自编码器的人脸重构研究

摘要：深度学习的崛起引领人工智能研究取得突破性的进展，但在无监督学习领域上仍有许多难以突破的任务。无监督学习真正地让计算机从无标签的数据中学习到其内在的规律和联系，避免了繁琐的标签化工作。深度生成模型作为一种无监督学习方法，其中近些年来最为突出的模型就是自编码器及其变体和生成式对抗网络及其变体。鉴于此，本文注重介绍了变分自编码器的原理，从概率图模型的推断问题出发引出变分推断，并以此作为角度阐述变分自编码器。传统的变分自编码器在图像生成任务上使用卷积神经网络进行建模时反卷积层过程容易发生“棋盘现象”，于是本文通过上采样层加卷积层结合代替反卷积层，同时将残差神