Iniciar sesión
Registrarse
Restablecer contraseña
Publicar y Distribuir
Soluciones de Publicación
Soluciones de Distribución
Temas
Arquitectura y diseño
Artes
Ciencias Sociales
Ciencias de la Información y Bibliotecas, Estudios del Libro
Ciencias de la vida
Ciencias de los materiales
Deporte y tiempo libre
Estudios clásicos y del Cercano Oriente antiguo
Estudios culturales
Estudios judíos
Farmacia
Filosofía
Física
Geociencias
Historia
Informática
Ingeniería
Interés general
Ley
Lingüística y semiótica
Literatura
Matemáticas
Medicina
Música
Negocios y Economía
Química
Química industrial
Teología y religión
Publicaciones
Revistas
Libros
Actas
Editoriales
Blog
Contacto
Buscar
EUR
USD
GBP
Español
English
Deutsch
Polski
Español
Français
Italiano
Carrito
Home
Revistas
International Journal of Advanced Network, Monitoring and Controls
Volumen 5 (2022): Edición 2 (January 2022)
Acceso abierto
Image Inpainting Research Based on Deep Learning
Zhao Li
Zhao Li
y
Zhao Ruixia
Zhao Ruixia
| 13 jul 2020
International Journal of Advanced Network, Monitoring and Controls
Volumen 5 (2022): Edición 2 (January 2022)
Acerca de este artículo
Artículo anterior
Artículo siguiente
Resumen
Artículo
Figuras y tablas
Referencias
Autores
Artículos en este número
Vista previa
PDF
Cite
Compartir
Publicado en línea:
13 jul 2020
Páginas:
23 - 30
DOI:
https://doi.org/10.21307/ijanmc-2020-013
Palabras clave
Image Inpainting
,
Generation Adversarial Networks
,
Residual Network
,
Patch
© 2020 Zhao Li et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Figure 1.
Data flow diagram of GAN
Figure 2.
Residual structure of the encoder
Figure 3.
Encoder network structure
Figure 4.
Decoding residual block network structure
Figure 5.
Generate network structure diagram
Figure 6.
Discriminant network structure diagram
Figure 7.
Inpainting result of intermediate masked
Figure 8.
Inpainting result of random masked
EVALUATION RESULTS OF PSNR AND SSIM METHODS
Image inpainting model
PSNR
SSIM
CE[
13
]
18.72
0.843
GL[
14
]
19.90
0.836
Gntlpt[
15
]
20.38
0.855
GMCNN[
16
]
20.62
0.851
Ours
24.06
0.857