این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۱۰، شماره ۲، صفحات ۴۷-۵۵
عنوان فارسی حذف نویز در انتقال محتوای تصویر به تصویر با استفاده از شبکه مولدتخاصمی مبتنی بر تبدیل موجک
چکیده فارسی مقاله یکی از چالش برانگیزترین موضوعات در هوش مصنوعی انتقال محتوای تصویر به تصویر است، که اخیراً با استفاده از شبکه‌های مولدتخاصمی پیشرفت چشمگیری نموده است. بااین‌حال، روش‌های موجود در انتقال محتوای منبع نویزی به دامنه هدف به صورت سر‌به‌سر شکست می‌خورند. برای رفع این مشکل، در این مقاله شبکه WTGAN پیشنهاد شده که شامل مولد جدید، جداکننده محلی و سراسری است که شبکه مولد آن بر اساس تبدیل موجک و ماژول توجه طراحی شده است. از آنجا که تبدیل موجک ابزاری قدرتمند جهت حذف نویز عمومی از تصویر است، در ساختار مولد از آن استفاده شده است. همچنین با استفاده از مکانیزم توجه، اتصالات باقیمانده و کنارگذر تناظر بهتر محتوا بین تصویر منبع و هدف به وجود آمده و به بهبود توانایی مولد و عملکرد آن کمک می‌نماید. در این مقاله با استفاده از توابع اتلاف معرفی شده در روش‌های دیگر به قدرتمندی مدل در جهت انتقال محتوای تصویر توأمان با حذف نویز پرداخته شده است. آزمایش‌های انجام شده بر روی مجموعه داده Cityscapes با استفاده از معیارهای ارزیابی PSNR، SSIM و LPIPS نشان دهنده این است که مدل می‌تواند به خوبی اثرات نویز در منبع را کاهش داده، ساختار را به خوبی حفظ نموده و به کیفیت مطلوب دست یابد.
کلیدواژه‌های فارسی مقاله انتقال محتوای تصویر به تصویر، شبکه مولدتخاصمی، حذف نویز تصویر، مکانیزم توجه، تبدیل موجک،
عنوان انگلیسی Denoising in Image-to-Image translation using Generative adversarial Network based on Wavelet transform
چکیده انگلیسی مقاله The image-to-image translation is one of the most challenging topics in artificial intelligence, which has recently made significant progress with the use of generative adversarial networks (GANs). However, existing methods often fail to translate the noise source to the target domain. This article presents the WTGAN network, which includes a new generator and a local and global discriminator to solve this problem. The generating network is designed based on wavelet transform and attention. Due to the fact that wavelet transforms are powerful tools for removing general noise from the image, They have been used in the structure of the generator. Also, attention, residual and skip-connections can provide deeper surface information between the source and target image and help to improve the generator performance. Experiments were performed on the Cityscapes dataset and PSNR, SSIM, and LPIPS criteria were used for evaluation. The results have shown that the model can well reduce the effects of noise at the source, well reserve structure, and achieve the desired quality.
کلیدواژه‌های انگلیسی مقاله انتقال محتوای تصویر به تصویر, شبکه مولدتخاصمی, حذف نویز تصویر, مکانیزم توجه, تبدیل موجک
نویسندگان مقاله فرزانه مقصودی قمبوانی |
دانشجوی دکتری مهندسی کامپیوتر، گرایش هوش مصنوعی، دانشگاه سمنان، دانشکده مهندسی برق و کامپیوتر

محمدجواد فدایی اسلام |
دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان

فرزین یغمایی |
دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان

نشانی اینترنتی https://jmvip.sinaweb.net/article_166543_db12a5df13e161c2c5aa005c4c86bc0f.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات