一种基于生成对抗网络的图片传输系统技术方案

本发明专利技术属于图像传输技术领域，具体为一种基于生成对抗网络的图片传输系统。所述生成对抗网络GAN具有两个判别器和一个生成器；生成器和判别器都是卷积神经网络；所述图片传输系统包括发送端和接收端；发送端包括压缩模块和编码模块，压缩模块用于将原始图片进行可导压缩；编码模块用于对压缩后的图片进行编码，得到图像的观测值，进行发送；接收端包括译码器、最优潜变量生成模块、生成器网络；接收端利用云上的相关数据集训练GAN，利用接收到的压缩后的图片在GAN上优化，所述最优潜变量生成模块将译码器得到的压缩图片通过优化得到最优噪声潜变量；最后由生成器网络重建图像。

【技术实现步骤摘要】
一种基于生成对抗网络的图片传输系统
本专利技术属于图像传输
，具体涉及一种基于生成对抗网络的图片传输系统。
技术介绍
随着深度学习的大力发展和硬件的更新换代，越来越多的传统图像领域也将目光放在了深度学习相关算法，在包括图像分类、图像分割、目标识别、图像超分辨率等各个子领域都取得了相当不错的进展。本专利技术在发送端将图片进行可导的压缩，并将压缩后的内容利用传统编码的方案发送，接收端收到信息后，利用优化方法集和GAN生成对抗网络将图像恢复。生成对抗网络是深度学习领域的一项卓越研究成果，其包含生成器和判别器两个子网络，通过对抗学习的方法，能将无监督任务转换成监督式学习来充分发挥网络的生成能力。生成对抗网络在风格迁移，超分辨率等方向上都展现了很好的效果。
技术实现思路
本专利技术的目的在于提出一种可大幅提升图片传输质量的基于生成对抗网络的图片传输系统。本专利技术首先基于反演问题的理论背景，通过在发送端发送图像的观测值而不是图像本身减少传输的信息，在接收端利用GAN的结构先验和相关数据集从观测值中优化恢复出原始图像。...

【技术保护点】
1.一种基于生成对抗网络的图片传输系统，其特征在于，所述生成对抗网络采用GAN，该GAN具有两个判别器和一个生成器；生成器和判别器都是卷积神经网络；所述图片传输系统包括发送端和接收端；/n所述发送端包括压缩模块和编码模块，压缩模块用于将原始图片进行可导压缩；编码模块用于对压缩后的图片进行编码，得到压缩图像编码后的码流，进行发送；/n所述接收端包括译码器、最优潜变量生成模块、生成器网络；接收端利用云上的相关数据集训练GAN，然后利用接收到的压缩后的图片在GAN上优化，并恢复高清图像；其中：/n所述译码器用于对发送端发送的编码压缩图片进行解码，还原压缩图片；/n所述最优潜变量生成模块将译码器得到的...

【技术特征摘要】
1.一种基于生成对抗网络的图片传输系统，其特征在于，所述生成对抗网络采用GAN，该GAN具有两个判别器和一个生成器；生成器和判别器都是卷积神经网络；所述图片传输系统包括发送端和接收端；
所述发送端包括压缩模块和编码模块，压缩模块用于将原始图片进行可导压缩；编码模块用于对压缩后的图片进行编码，得到压缩图像编码后的码流，进行发送；
所述接收端包括译码器、最优潜变量生成模块、生成器网络；接收端利用云上的相关数据集训练GAN，然后利用接收到的压缩后的图片在GAN上优化，并恢复高清图像；其中：
所述译码器用于对发送端发送的编码压缩图片进行解码，还原压缩图片；
所述最优潜变量生成模块将译码器得到的压缩图片通过优化方法得到最优噪声潜变量；
最优噪声潜变量输入生成器，生成器有两个输出，中间层输出是低分辨率图片，最后输出高分辨率图片；云上的数据集包括两部分，一部分是与发送端发送的图片大小一致的大图，另一部分是与压缩后的图片大小一致的小图；在训练时，生成器生成的高分辨率图片与数据集中的大图一一对应，输入到第一判别器中，让第一判别器辨别该图片是数据集中图片还是生成器生成的图片；同样的生成器生成的低分辨率图片与将数据集中的小图输入到第二判别器中，让...

【专利技术属性】
技术研发人员：吴俊，陈逸豪，胡蝶，刘典，徐跃东，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海;31