文献综述
一、 课题目的及意义近年来，图像生成在深度学习实用化技术中占有重要的地位，其目的是尽可能多地细节完善图像以及按照需求生成对应的图像，提供更可靠地信息。
本课题要求能够利用生成对抗网络进行较为合理的人脸图片复原。
虽然 GAN 在图像处理领域已取得了瞩目的研究成果，但是现有的很多网络模型还是根据噪声随机生成图像的，对于根据不同条件生成特定图像的问题还需进一步研究。
本课题将结合文本生成图像技术，进行深入的工程原理分析，将文本信息作为首层输入，从而搭建生成器和判别器网络，并进行交替训练，直至二者都收敛，生成预测人脸图像，并与真实验证集相比对，判断对抗网络的效果。
预期通过给定的目击者对嫌疑人面部的自然语言描述，生成嫌疑人面部特征的预测，方便公安部门办案。
数据集将通过查找相应的开源面部特征数据集。
建模要在模型复杂度与预测准确性间做一个权衡，因为过于复杂的模型会导致训练时间过长，在实际应用中可能会延误抓捕罪犯的最佳时机，而过于简单的模型往往不利于生成精确的高质量图片，同样影响办案效率。
二、 国内外的Gan网络的发展现状与进展2014年，Goodfellow在他的文章内正式提出了生成式对抗网络(GAN)的定义，GAN是由两个部分构成，分别是生成器和判别器[1]。
两者相辅相成，生成器不断修改参数去生成更加真实的图片,判别器在对博弈中提高自身性能去分清真实样本和生成图片。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
