基于深度学习的图像生成算法研究开题报告

1. 研究目的与意义

研究背景：生成对抗网络（generative adversarial nets，gan）是一种基于对抗学习的深度生成模型，2014年由ian goodfellow发布的《generative adversarial nets》提出，该模型可生成世界上并不真实存在的图片，无论是人还是物都可以通过模型对抗学习来生成较为合理满意的图片。

继原型gan提出后，后续基于该模型的各种变种gan模型相继出现，例如：dc-gan、pg-gan等更加优秀的变种gan模型。

这些变种gan模型在各个不同方面来弥补了或强化了原型gan在某些方面生成的不足。

2. 研究内容和预期目标

研究内容：原型gan以及变种dc-gan和pg-gan对原型gan的补充和优化。dc-gan将原型gan的g-d全连接神经网络改为更加适合处理图片的卷积神经网络，相较原型gandc-gan在生成图片上的优点。pg-gan通过逐渐增加卷积层来提升图片分辨率，这样生成的图片与原型gan相比有何优势。

预期目标：

1、在充分对比研究原型gan、dc-gan和pg-gan的基础上对比各自实验结果得到最优生成模型来完成室内设计系统的室内设计图片生成需求。

3. 研究的方法与步骤

研究方法：

1、文献研究：通过学习研究相关模型的原论文：《generative adversarial nets》、《unsupervised representation learning with deep convolutional generative adversarial networks》、《progressive growing of gans for improved quality, stability, and variation》。理解其中数学原理以及模型优化方法。

2、实验研究：配置训练集，分别训练三种模型，根据实验结果来调整超参再训练知道满足相关要求。最后得到相对满意的训练模型通过量化分析来确定最优模型来实际运用到室内设计系统。

4. 参考文献

[1] Goodfellow I , Pouget-Abadie J , Mirza M , et al. Generative Adversarial Nets[C]// Neural Information Processing Systems. MIT Press, 2014.
[2] Radford A , Metz L , Chintala S . Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks[J]. Computer ence, 2015.
[3] Odena A , Olah C , Shlens J . Conditional Image Synthesis With Auxiliary Classifier GANs[J]. 2016.
[4] Arjovsky M , Chintala S , Bottou L . Wasserstein GAN[J]. 2017.
[5] Karras T , Aila T , Laine S , et al. Progressive Growing of GANs for Improved Quality, Stability, and Variation[J]. 2017.
[6] Krizhevsky A , Sutskever I , Hinton G . ImageNet Classification with Deep Convolutional Neural Networks[J]. Advances in neural information processing systems, 2012, 25(2).
[7] Shmelkov K, Schmid C, Alahari K. How good is my GAN?[C]//Proceedings of the European conference on computer vision (ECCV). 2018: 213-229.
[8]张光华, 王福豹, 段渭军. 基于DCGAN的高分辨率天文图像生成研究[J]. 计算机仿真, 2019, 36(12):6.
[9]叶武剑, 徐佐腾, 刘怡俊,等. 一种基于DCGAN深度网络的汉字字库生成方法及装置:, 2021.
[10]翁鹏涛, 杜玉军, 张道奥,等. 基于改进PGGAN的口腔图像数据增强算法[J]. 计算机工程与设计, 2022, 43(11):10.

5. 计划与进度安排

1、2024.1.10 ---- 2024.2.20 查阅资料,了解课题背景， 撰写开题报告

2、2024.2.21 ---- 2024.3.18 根据课题要求，进行需求分析,熟悉开发工具

3、2024.3.19 ---- 2024.3.31 根据分析结果，对系统进行概要设计