【技术实现步骤摘要】
本专利技术属于图像生成，具体涉及一种基于生成对抗网络的图像生成方法。
技术介绍
1、生成对抗网络能够生成全新的图像，在康复医学成像中，研究人员已将gan用于重建、分割、图像合成、分类、检测等任务。然而，gan生成的图像可能会出现独特的纹理，即交替式网纹。这些伪影可能会扭曲康复医学图像中收集的信息，扰乱医护人员的判断，在并未完全康复的情况下诊断为已经康复，可能产生严重的后果。
2、此外，交替式网纹还会对生成图像的视觉观感造成不良影响，使图像看起来不完整且具有明显的人造痕迹。换句话说，交替式网纹不仅破坏了图像的完整性，还降低了其所携带信息的质量。现有技术首先存在显著的复杂性与冗余性问题。为了减轻交替式网纹，当前常用的方法是在特定操作前反复引入附加步骤，比如在上采样层和下采样层中硬性添加固定的卷积层，或是在执行转置卷积之前硬性加入resize操作。尽管这些做法能在一定程度上缓解伪影问题，但它们显著提升了网络的层数和参数数量，从而大幅增加了计算负担。这不仅使实际应用变得困难，还限制了网络在部署时的灵活性。其次，现有技术没有针对性地解...
【技术保护点】
1.一种基于生成对抗网络生成图像的方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于生成对抗网络生成图像的方法，其特征在于，步骤S2中的编码层由第一卷积层、第二卷积层和第三卷积层串联构成，步骤S2中的将输入特征输入生成器的编码器中，获取低维特征信息具体为：
3.如权利要求2所述的一种基于生成对抗网络生成图像的方法，其特征在于，步骤S3中的转换层包括9个串联连接的残差网络块，每个残差网络块由两个串联的卷积层构成，每个块的输入数据会被添加到每个块的输出中，确保了前一层的输入数据能够直接影响最后一层的输出，从而最小化原始输入与相应输出之...
【技术特征摘要】
1.一种基于生成对抗网络生成图像的方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于生成对抗网络生成图像的方法，其特征在于，步骤s2中的编码层由第一卷积层、第二卷积层和第三卷积层串联构成，步骤s2中的将输入特征输入生成器的编码器中，获取低维特征信息具体为：
3.如权利要求2所述的一种基于生成对抗网络生成图像的方法，其特征在于，步骤s3中的转换层包括9个串联连接的残差网络块，每个残差网络块由两个串联的卷积层构成，每个块的输入数据会被添加到每个块的...
【专利技术属性】
技术研发人员：全莉娟，赵悦，叶维，裴莉，周璐，徐秀秀，
申请(专利权)人：南昌大学第一附属医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。