公开(公告)号：CN109409508B

公开(公告)日：2022-03-15

申请号：CN201811310962.1

申请日：2018-11-06

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  伍贤宇 ,  冯诗皓 ,  史沧红 ,  罗超 ,  张宪 ,  刘书樵 ,  李俊良

IPC: G06N3/04 ,  G06N3/08 ,  G06T5/00 ,  G06T11/00

Abstract: 本发明属于图像重建技术领域，公开了一种基于生成对抗网络使用感知损失解决模型崩塌的方法，利用随机向量z生成与实际数据分布相似的图像，在训练的过程中采用感知损失将z和真实数据映射到特征空间中来提取更高层次的特征，并结合对抗损失来鼓励生成网络产生与实际图像相似的图像样本；最后，使得鉴别器不能判断这是一个虚假图像。本发明针对已有网络采用较小的数据集解决了模型崩塌问题，VGG‑GAN在两个小场景数据集上进行评价；实验结果表明，用VGG‑GAN方法生成的图像质量优于现有方法。

公开(公告)号：CN109409508A

公开(公告)日：2019-03-01

申请号：CN201811310962.1

申请日：2018-11-06

Applicant: 成都信息工程大学

Inventor： 李孝杰 ,  伍贤宇 ,  冯诗皓 ,  史沧红 ,  罗超 ,  张宪 ,  刘书樵 ,  李俊良

IPC: G06N3/04 ,  G06N3/08 ,  G06T5/00 ,  G06T11/00

Abstract: 本发明属于图像重建技术领域，公开了一种基于生成对抗网络使用感知损失解决模型崩塌的方法，利用随机向量z生成与实际数据分布相似的图像，在训练的过程中采用感知损失将z和真实数据映射到特征空间中来提取更高层次的特征，并结合对抗损失来鼓励生成网络产生与实际图像相似的图像样本；最后，使得鉴别器不能判断这是一个虚假图像。本发明针对已有网络采用较小的数据集解决了模型崩塌问题，VGG-GAN在两个小场景数据集上进行评价；实验结果表明，用VGG-GAN方法生成的图像质量优于现有方法。