一种基于注意力跨层转移机制的生成式图像修复方法技术

本发明专利技术公开了一种基于注意力跨层转移机制的生成式图像修复方法，属于图像修复技术领域，包括如下步骤：将缺损图像和掩码一起输入网络，重构ATNAL特征图，通过跳跃连接将各级ATNAL特征图传递至多尺度解码器对应的解码层；本发明专利技术中，通过提出注意力跨层转移网络，在生成器对缺损图像编码完成后由深入浅逐层重构编码特征图，为解码工作提供指导，提出多尺度解码器，使用跳跃连接将ATNAL重构特征图连接至多尺度解码器对应解码层，与上一级潜在特征融合进行解码，最大限度减少解码过程中上下文信息丢失，创新应用L1损失，将解码过程中的各尺度特征图转为RGB图像后使用L1损失进行约束，促使多尺度解码器生成上下文语义一致的精细内容。细内容。细内容。

【技术实现步骤摘要】
一种基于注意力跨层转移机制的生成式图像修复方法


[0001]本专利技术属于图像修复
，尤其涉及一种基于注意力跨层转移机制的生成式图像修复方法。

技术介绍

[0002]图像修复是指在图像缺损区域内生成与真实图像色彩、结构、语义一致的内容的工作，是计算机视觉重要的研究方向之一。
[0003]现有的图像修复方法大致分为传统的修复方法和基于深度学习的修复方法。传统的修复方法大多依靠像素扩张的方法或纹理匹配的方法进行修复，在小面积缺损区域和纯色区域的修复效果较好，但当缺损区域较大，且图像内结构复杂、语义目标较多时修复结果往往出现模糊、语义丢失、结构连通性差等问题，针对传统图像修复方法的局限性，许多学者将深度学习技术应用于图像修复领域，在大面积缺损区域修复等高难度图像修复工作中取得了令人惊叹的效果。
[0004]基于深度学习的图像修复方法，通过对海量图像数据的学习训练，建立起从缺损图像到修复图像的完整映射，能够在缺损区域内生成缺损区域周围没有的像素信息。而随着生成对抗网络的提出，深度学习在图像修复领域更是大放异彩。通过生成器与判别器的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力跨层转移机制的生成式图像修复方法，包括如下步骤：S1、将缺损图像和掩码一起输入网络；S2、重构ATNAL特征图；S3、通过跳跃连接将各级ATNAL特征图传递至多尺度解码器对应的解码层；S4、输出下一层解码特征图；S5、通过上采样得到输出图像；S6、在解码完成后将各级输出特征图转为RGB图像；S7、区分真实图像与修复图像；S8、对修复图像进行评判；S9、提升图像修复质量。2.根据权利要求1所述的一种基于注意力跨层转移机制的生成式图像修复方法，其特征在于，所述S1中，将缺损图像和掩码一起输入网络，进行编码。3.根据权利要求1所述的一种基于注意力跨层转移机制的生成式图像修复方法，其特征在于，所述S2中，ATNAL编码器在编码完成后，由深到浅逐层重构ATNAL特征图。4.根据权利要求1所述的一种基于注意力跨层转移机制的生成式图像修复方法，其特征在于，所述S3中，通过跳跃连接将各级ATNAL特征图传递至多尺度解码器对应的解码层，其中最深层解码特征图由对应的编码特征图反卷积而来。5.根据权利要求1所述的一种基...

【专利技术属性】
技术研发人员：樊瑶，石英男，
申请(专利权)人：樊瑶，
类型：发明
国别省市：