基于點(diǎn)積自注意力機(jī)制和殘差網(wǎng)絡(luò)的DAGAN圖像補(bǔ)全算法

打開文本圖片集

關(guān)鍵詞：DAGAN;自注意力機(jī)制；殘差網(wǎng)絡(luò)

1引言

最初的圖像補(bǔ)全主要是基于數(shù)學(xué)和物理學(xué)的一種傳統(tǒng)圖像學(xué)技術(shù)。然而，近來年，在深度學(xué)習(xí)（DeepLearning，簡稱DL）逐漸占領(lǐng)視覺領(lǐng)域研究前沿的趨勢下，以深度學(xué)習(xí)為代表的機(jī)器學(xué)習(xí)正帶領(lǐng)研究者突破傳統(tǒng)模型發(fā)展的瓶頸。利用DL處理圖像補(bǔ)全的典型算法，按照網(wǎng)絡(luò)結(jié)構(gòu)類型可以分為2類，即基于CNN（Convolutional Neural Networks，卷積神經(jīng)網(wǎng)絡(luò)）的語境自編碼算法和基于GAN（Generative AdversarialNetwork，生成對抗網(wǎng)絡(luò)）的圖像補(bǔ)全算法。（剩余2450字）