渐进式图像重构网络：像画画一样重构图像( 五 )

2019-04-03

预处理训练数据

预处理训练数据需要注意三个方面：边缘、颜色域和超参数混淆。

在本文中，边缘被视为图像的内容。研究人员选择 Canny 算法来获得粗糙但坚实的二值边缘，这样可以用相对稀疏的输入增强模型的泛化能力。

用显式的方式提取与样式特征对应的颜色域。研究人员使用中值滤波器算法、K-均值算法来获得平均颜色域。之后再次用中值滤波器来模糊边界线的锐度。

超参数混淆（HC）：从输入图像中提取边缘或颜色域时，有些算法需要超参数。在训练过程中，研究人员采用了一定范围内不同的超参数随机值，这可以增强训练数据，防止过拟合。同时，HC混淆还会以一定概率去除边缘像素信息，进一步加强模型在处理手绘输入时的泛化能力。

实验

数据集

为了训练模型，研究人员使用了不同类型的数据集：edges2shoes、edges2handbags、anime faces of getchu、CelebA。

控制变量研究

推荐阅读

上一篇：广告费1分钟30万美金，华为P30再次亮相迪拜塔！网友：啥叫排面？

下一篇：家电服务全面市场化并非“万能钥匙”