10.3969/j.issn.1000-386x.2021.02.037
结合频谱规范化与自注意力机制的DCGAN研究
针对基于深度卷积对抗式生成网络的图像生成方法存在训练过程稳定性亟待提高、图像生成质量效果欠佳等问题,提出一种将频谱规范化、自注意力机制与深度卷积对抗式生成网络结合的图像生成方法.在网络结构中,将频谱规范化的权重标准技术引入判别器,使判别器的参数矩阵满足Lipschitz约束,提高网络模型训练过程的稳定性;将自注意力机制引入生成器,使网络有目的地学习,得到质量更好的图像.实验结果证明,该方法相比目前的生成模型在CelebA、Cartooon数据集上能够有效地提高模型的收敛速度、训练稳定性和图像生成效果.
深度卷积对抗式生成网络、生成对抗网络、图像生成、频谱规范化、Lipschitz、约束、自注意力机制
38
TP391(计算技术、计算机技术)
国家自然科学基金项目;陕西省自然科学基金研究计划项目
2021-03-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
227-232,290