公开(公告)号：CN112966830A

公开(公告)日：2021-06-15

申请号：CN202110257916.5

申请日：2021-03-09

Applicant: 中南大学

Inventor： 熊海裕 ,  鲁鸣鸣 ,  李泽鹏 ,  张亚 ,  田卓林

IPC: G06N20/00 ,  G06K9/62

Abstract: 本发明公开了一种加入条件分布作为输入的条件生成对抗模型。本发明认为“条件”与“分布”两者互相关联，不同条件(这里体现为类别)的特征应满足不同的分布(这里描述为条件分布)，而现有条件生成对抗模型将“条件”与“分布”作为互相独立的变量作为输入，这不可避免的导致了条件信息与分布信息的过度耦合，影响了模型生成效果。本发明使用改进后的VAE模型(SLDVAE)提取不同条件的条件分布，在训练GAN模型时加入条件分布作为输入，我们认为这可以有效的解决“条件”与“分布”信息的过度耦合。

公开(公告)号：CN115809702A

公开(公告)日：2023-03-17

申请号：CN202211412446.6

申请日：2022-11-11

Applicant: 中南大学

Inventor： 鲁鸣鸣 ,  宁瑞鸿 ,  苗子阳 ,  熊海裕

IPC: G06N3/094 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/088 ,  G06V10/82 ,  G06V10/762 ,  G06V10/774 ,  G06T13/40

Abstract: 本发明公开了一种ACGAN模型构建方法，包括获取目标ACGAN模型的模型结构及参数；基于K‑means算法进行预聚类；训练时，基于SoftTriple损失构建目标ACGAN模型的损失函数；得到最终构建的ACGAN模型。本发明还公开了一种包括所述ACGAN模型构建方法的图像生成方法，以及包括所述图像生成方法的服装设计方法。本发明通过对现有ACGAN模型的创新性改造和修正，不仅解决了ACGAN模型的模式崩溃问题，提高了ACGAN模型生成样本的多样性，而且可靠性更高。

公开(公告)号：CN115809702B

公开(公告)日：2023-07-11

申请号：CN202211412446.6

申请日：2022-11-11

Applicant: 中南大学

Inventor： 鲁鸣鸣 ,  宁瑞鸿 ,  苗子阳 ,  熊海裕

IPC: G06N3/094 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/088 ,  G06V10/82 ,  G06V10/762 ,  G06V10/774 ,  G06T13/40

Abstract: 本发明公开了一种ACGAN模型构建方法，包括获取目标ACGAN模型的模型结构及参数；基于K‑means算法进行预聚类；训练时，基于SoftTriple损失构建目标ACGAN模型的损失函数；得到最终构建的ACGAN模型。本发明还公开了一种包括所述ACGAN模型构建方法的图像生成方法，以及包括所述图像生成方法的服装设计方法。本发明通过对现有ACGAN模型的创新性改造和修正，不仅解决了ACGAN模型的模式崩溃问题，提高了ACGAN模型生成样本的多样性，而且可靠性更高。

公开(公告)号：CN112906869A

公开(公告)日：2021-06-04

申请号：CN202110257211.3

申请日：2021-03-09

Applicant: 中南大学

Inventor： 张亚 ,  鲁鸣鸣 ,  李泽鹏 ,  熊海裕 ,  田卓林

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种基于时空稀疏学习的鲁棒图卷积网络方法。本发明方法通过TopK函数在每个节点上实现空间稀疏性，并提出一种基于时间稀疏性的关注机制，即根据不同的激活频率为特征空间的每个维度分配不同的权重。本发明提供了一种改进版的图卷积神经网络，在保持原有网络精度的同时，具有较高的鲁棒性，提升模型面对噪声的抗干扰能力。