-
李立军
-
-
- 所属机构:华南理工大学
- 所在地区:广东省 广州市
- 研究方向:自动化与计算机技术
- 发文基金:广东省粤港关键领域重点突破项目
相关作者
- 周智恒
- 作品数：175被引量：110H指数：7
- 供职机构：华南理工大学
- 研究主题：生成器 随机噪声 网络模型 损失函数 图像
- 庄衍竖
- 作品数：17被引量：19H指数：2
- 供职机构：华南理工大学
- 研究主题：屏幕 功耗 视觉感知 增益系数 低功耗
- 俞政
- 作品数：14被引量：2H指数：1
- 供职机构：华南理工大学
- 研究主题：协同过滤 人口统计学 移动客户端 传输系统 传感网络
- 陈冠豪
- 作品数：8被引量：116H指数：2
- 供职机构：华南理工大学
- 研究主题：结构相似度 人眼视觉系统 图像质量评价方法 程序信息 信息统计
- 沈东凯
- 作品数：5被引量：2H指数：1
- 供职机构：华南理工大学
- 研究主题：报警 感兴趣区域 告警信息 火车 弯道
- 一种基于WGAN模型的分解卷积方法
- 本发明公开了一种基于WGAN模型的分解卷积方法，属于深度学习神经网络领域，包括以下步骤：S1、构造原始生成对抗网络模型；S2、构造沃瑟斯坦距离，作为对抗网络模型的评判指标；S3、初始化随机噪声，输入生成器中；S4、将WG...
- 周智恒李立军
- 文献传递
- 基于协同生成对抗网络的人脸补全与置换
- 生成对抗网络是在2014年由谷歌大脑研究员IanGoodfellow等人首先提出的基于博弈论思想的模型，它在机器学习领域得到了众多研究者的关注。在计算机视觉领域，生成对抗网络对于缺失区域的图像补全有着广泛的应用前景。 ...
- 李立军
- 文献传递
- 一种基于生成对抗网络的逐层更新算法
- 本发明公开了一种基于生成对抗网络的逐层更新算法，属深度学习神经网络领域，包括以下步骤：S1、构造深度卷积生成式对抗网络DCGAN模型；S2、输入图像数据集，对DCGAN模型进行训练；S3、记录图像生成器逐层转置卷积得到的...
- 周智恒李立军
- 文献传递
- 一种基于深度卷积对抗网络模型的人脸生成方法
- 本发明公开了一种基于深度卷积对抗网络模型的人脸生成方法，属于深度学习神经网络领域，包括以下步骤：S1、构造原始生成对抗网络模型；S2、构造深度卷积神经网络充当生成器与判别器；S3、初始化随机噪声，输入生成器中；S4、将人...
- 周智恒李立军
- 文献传递
- 一种基于原始生成对抗网络模型的多尺度卷积方法
- 本发明公开了一种基于原始生成对抗网络模型的多尺度卷积方法，属于深度学习神经网络领域，包括以下步骤：S1、构造原始生成对抗网络模型；S2、构造神经网络充当生成器与判别器的功能；S3、初始化随机噪声，输入生成器中；S4、在神...
- 周智恒李立军
- 文献传递
- 一种基于原始生成对抗网络模型的残差网络方法
- 本发明公开了一种基于原始生成对抗网络模型的残差网络方法，属于深度学习神经网络领域，包括以下步骤：S1、构造原始生成对抗网络模型；S2、构造神经网络充当生成器与判别器的功能；S3、初始化随机噪声，输入生成器中；S4、在神经...
- 周智恒李立军
- 文献传递
- 一种多生成器卷积合成图像的对抗网络算法
- 本发明公开了一种多生成器卷积合成图像的对抗网络算法，属于深度学习神经网络领域，包括以下步骤：S1、构造深度卷积生成式对抗网络DCGAN模型；S2、构造多个记录图像生成器；S3、初始化随机噪声，分别输入每一个记录图像生成器...
- 周智恒李立军
- 文献传递
- 一种基于生成对抗网络模型的图像补全方法
- 本发明公开了一种基于生成对抗网络模型的图像补全方法，属于深度学习神经网络领域，包括以下步骤：S1、构造原始生成对抗网络模型；S2、构造深度卷积神经网络作为生成器与判别器；S3、去除数据集图像中的部分像素，输入生成器中；S...
- 周智恒李立军
- 文献传递
- 一种多特征学习的对抗网络训练方法
- 本发明公开了一种多特征学习的对抗网络训练方法，属于深度学习神经网络领域，包括以下步骤：S1、构造深度卷积生成式对抗网络DCGAN模型；S2、为判别器构造多个卷积核；S3、初始化随机噪声，输入生成器中；S4、利用构造的多个...
- 周智恒李立军
- 文献传递
- 一种基于深度卷积对抗网络模型的独立通道卷积方法
- 本发明公开了一种基于深度卷积对抗网络模型的独立通道卷积方法，属于深度学习神经网络领域，包括以下步骤：S1、构造原始生成对抗网络模型；S2、构造深度卷积神经网络作为生成器与判别器；S3、初始化随机噪声，输入生成器中；S4、...
- 周智恒李立军
- 文献传递
