基于近邻项的半监督图像转换方法  

作　　者：徐乐 

机构地区：[1]盐城工业职业技术学院,江苏盐城224008

出　　处：《IT经理世界》2024年第11期241-243,共3页

摘　　要：鉴于获取完全匹配的图像数据集既困难又成本高昂,本文提出了一种融合图像间近邻信息的半监督图像转换方法.方法核心在于通过在无监督图像转换模型中引入监督图像算法充分挖掘部分监督图像的信息,这种半监督的图像转换框架不仅降低了传统配对方法对训练数据集完全匹配性的严苛依赖,而且在保持图像转换质量方面展现出了卓越的性能.此外,该方法巧妙地运用部分图像数据集中存在的配对图像信息,构建了一个基于相似图像的循环一致性约束机制,从而进一步增强了图像转换的精确度.这种技术尤其适用于标记图像或配对图像在数据集中占比较低的半监督图像转换场景,表现出了出色的适应能力和转换成效.实验结果表明,该算法所生成的图像在质量方面超越了现有的以CycleGAN为典型的一系列无监督图像转换方法,接近有监督图像转换方法,并且在多种任务场景下均取得了优异的表现.

关 键 词：对抗生成网络 半监督学习 图像转换 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]