利用三元组损失进行低分辨率图像的人脸修复
原文中文,约2200字,阅读约需6分钟。发表于: 。本研究解决了人脸识别模型在低分辨率图像中性能下降的问题。提出的FTLGAN超分辨率模型不仅提升了图像质量,还保持了个体身份,从而显著提高了人脸识别性能,尤其是在14x14、28x28和56x56像素的分辨率下,表现出一致且优越的性能。该研究的创新之处在于采用三元组损失逻辑,仅使用真实图像训练超分辨率模型,扩大了实际应用潜力。
本研究提出了FTLGAN超分辨率模型,通过三元组损失逻辑训练,解决了低分辨率图像中人脸识别模型性能下降的问题。该模型提升了图像质量和人脸识别性能。其他相关研究包括深度学习构建人脸超分辨率网络、低质量图像中的人脸识别调查、面部关键点注意力的渐进式人脸超分辨率。