Resumen

La creación de plantillas infrarrojas es de gran importancia para mejorar la precisión y la precisión de la guía de imágenes infrarrojas. Sin embargo, la recolección de imágenes infrarrojas de campos es difícil, costosa y consume mucho tiempo. Para abordar este problema, se propone un método de generación de imágenes infrarrojas, redes generativas adversarias infrarrojas (I-GANs), basado en la arquitectura de redes generativas adversarias condicionales (CGAN). En I-GANs, se utilizan imágenes visibles en lugar de ruido aleatorio como entradas, y también se utiliza la red D-LinkNet para construir el modelo generativo, lo que permite mejorar el aprendizaje de texturas de imágenes ricas e identificar las dependencias entre imágenes. Además, se emplea la arquitectura PatchGAN para construir un modelo discriminante que procese los componentes de alta frecuencia de las imágenes de manera efectiva y reduzca la cantidad de cálculos requeridos. Además, se utiliza la normalización por lotes para optimizar el proceso de entrenamiento, y así, se puede aliviar la in

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Plantillas infrarrojas; Orientación de imágenes infrarrojas; Redes generativas adversarias infrarrojas; Red D-LinkNet; Arquitectura PatchGAN; Normalización de lotes
• Keywords:Infrared templates; Infrared imaging guidance; Infrared generative adversarial networks; D-LinkNet network; PatchGAN architecture; Batch normalization