基于CycleGAN和超分辨率重建的目标图像生成
计算机学院（国家示范性软件学院）
近年来，计算机运算性能的飞速提升使得深度学习这种需要巨大计算量的方法在计算机视觉领域被广泛应用。人们对人工智能中各网络研究的不断加深以及GPU运算能力的不断提高，图像处理智能化技术也越来越成熟，其中不乏有可以用来解决图像生成的技术。本项目针对目前国内外已有的应用场景，比如“苹果变橘子”、“真实图像变莫奈画”等图像风格转换的应用，提出可利用在刑侦方面的富有实用价值的新应用场景——“肖像画转真实人脸”，并通过CycleGAN和超分辨率重建流程，针对小样本数据集进行测试，通过PSNR等方法，对比验证单一CycleGAN和增加超分辨率重建流程的CycleGAN两者的实验结果，验证超分辨率重建可以提高生成图片的色彩度与真实效果的可行性与有效性。
