-
题名改进生成对抗网络在图片数据生成中的应用
被引量：1
- 1
-
-
作者
孟辰
曾志高
朱艳辉
朱文球
易胜秋
董丽君
-
机构
湖南工业大学计算机学院
湖南省智能信息感知及处理技术重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第15期260-269,共10页
-
基金
科技创新2030——“新一代人工智能”重大项目(2018AAA0100400)
湖南省自然科学基金(2018JJ2098,2020JJ6089)
湖南省教育厅重点项目(19A133)。
-
文摘
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。
-
关键词
图片数据生成
生成对抗网络(GAN)
残差结构
动态学习率
-
Keywords
image data generation
generative adversarial networks(GAN)
residual structure
dynamic learning rate
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
