1. 研究目的与意义
根据文本描述生成图像，从问题本身来看，非常的多样化。
文本中一个词语的变化可能会导致生成的图像中大量的像素发生改变。
这些发生改变的像素之间的关联却很难发现。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 课题关键问题和重难点
现有的文字转图像方式很难展现文字的含义，并且细节部分缺失严重，不够生动具体。
现有的模型只是简单的添加 upsampling 层来生成高分辨率的图，这会导致训练不稳定，且生成无用的图片。
而GAN 生成高维图片的主要问题在于，自然图像分布与模型分布在高维空间上几乎不交叠。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 国内外研究现状（文献综述）
摘要：根据文本描述合成高质量图像是计算机视觉中的一个难题。
现有的文本到图像方法生成的样本可以大致反映给定描述的含义，但是无法包含必要的细节和生动的对象部分。
于是有人提出了堆栈式生成对抗网络（StackGAN），以生成256*256分辨率的基于文本描述的逼真的图像。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 研究方案
在windows系统下， 通过使用Python编程语言在PyCharm平台下实现文本描述生成图像技术。
在python环境下安装Anaconda，创建并激活conda环境并安装TensorFlow。
在TensorFlow框架下，通过StackGAN模型实现文本描述生成图像技术。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
5. 工作计划
2022-2022-1学期第12-13周 确定选题，课题调研,通过学校图书馆的万方数据库查阅医疗电子商务网站设计的相关信息，阅读、整理，完成开题报告。
第14-15周完成开题报告，论文初步框架（细化到二级标题）。
对模型的各个模块进行分析，熟悉实现的软件和技术。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
