首页|改进生成对抗网络在图片数据生成中的应用

改进生成对抗网络在图片数据生成中的应用

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
图片数据生成旨在根据现有的图片数据,产生与原始图片数据分布相似的图片数据.当前主流的生成对抗网络模型(generative adversarial networks,GAN)产生的图片数据质量较差,模型的训练总是遇到调试困难、训练不稳定、梯度消失、模式崩溃等一系列问题.根据稀疏表达结构和残差结构组合而成的生成器,残差结构组成的辨别器,提出了一种能够生成高质量图片的GAN模型.根据分支网络模型构成的生成器,设计了多种类图片数据生成模型,可以使用一个模型同时训练生成多种类型的图片数据.为了更好地对数据进行训练,设计了一种动态匀速下降学习率,能够根据运行时间对学习率的衰减进行指导.在各个数据集上的实验结果表明,改进模型结构在图像数据生成上比其他算法更加稳定、鲁棒,能够生成更高质量的图片数据.
Application of Improved Generative Adversarial Networks in Image Data Generation

孟辰、曾志高、朱艳辉、朱文球、易胜秋、董丽君

展开 >

湖南工业大学 计算机学院,湖南 株洲 412008

湖南省智能信息感知及处理技术重点实验室,湖南 株洲 412008

图片数据生成 生成对抗网络(GAN) 残差结构 动态学习率

科技创新2030——"新一代人工智能"重大项目湖南省自然科学基金湖南省自然科学基金湖南省教育厅重点项目

2018AAA01004002018JJ20982020JJ608919A133

2022

10.3778/j.issn.1002-8331.2012-0429

计算机工程与应用
华北计算技术研究所

计算机工程与应用

CSTPCDCSCD北大核心
影响因子：0.683
ISSN：1002-8331
年,卷(期)：2022.58(15)
  • 3