<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Article Authoring DTD v1.4 20240229//EN" "JATS-articleauthoring1.dtd">
<article article-type="research-article" xml:lang="zh-CN" xmlns:xlink="http://www.w3.org/1999/xlink">
  <front>
    <journal-meta>
      <journal-id journal-id-type="publisher-id">29</journal-id>
      <journal-title-group>
        <journal-title>《建筑施工与发展》</journal-title>
        <abbrev-journal-title>CONSTRUCTION AND DEVEL OPMENT</abbrev-journal-title>
      </journal-title-group>
      <issn>ISSN：2737-4262；EISSN:2705-1269</issn>
      <publisher>
        <publisher-name>华文科学出版社</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="doi">10.12361/2705-1269-06-2238-92</article-id>
      <article-id pub-id-type="publisher-id">6448</article-id>
      <title-group>
        <article-title>基于 GAN 的人脸到京剧脸谱转换模型优化</article-title>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <string-name>张恺昕 （昆明理工大学 云南昆明 650000）</string-name>
        </contrib>
      </contrib-group>
      <pub-date pub-type="epub">
        <year>2024</year>
        <month>13</month>
      </pub-date>
      <issue>13</issue>
      <abstract>
        <p>本文探讨了如何利用生成对抗网络（GAN）进行人脸图像到京剧脸谱图像的转换，并针对现有模型中存在的问题提出了相应的优
化策略。通过对模型架构的改进、数据预处理技术的应用以及损失函数的调整，我们旨在提高转换精度和细节保持能力，从而得到更加逼
真且艺术化的京剧脸谱图像。实验结果表明，优化后的模型能够有效提升转换效果，在视觉上更接近真实京剧脸谱。
关键词：生成对抗网络；人脸图像；京剧脸谱；模型优化；深度学习</p>
      </abstract>
    </article-meta>
  </front>
</article>
