[发明专利]神经网络训练方法及装置和图像生成方法及装置

权利要求书

1.一种神经网络训练方法，其特征在于，包括：

将第一随机向量输入生成网络，获得第一生成图像；

将所述第一生成图像和第一真实图像分别输入判别网络，分别获得所述第一生成图像的第一判别分布与第一真实图像的第二判别分布，其中，所述第一判别分布表示所述第一生成图像的真实程度的概率分布，所述第二判别分布表示所述第一真实图像的真实程度的概率分布；

根据所述第一判别分布、所述第二判别分布、预设的第一目标分布以及预设的第二目标分布，确定所述判别网络的第一网络损失，其中，所述第一目标分布为生成图像的目标概率分布，所述第二目标分布为真实图像的目标概率分布；

根据所述第一判别分布和所述第二判别分布，确定所述生成网络的第二网络损失；

根据所述第一网络损失和所述第二网络损失，对抗训练所述生成网络和所述判别网络。

2.根据权利要求1所述的方法，其特征在于，根据所述第一判别分布、所述第二判别分布、预设的第一目标分布以及预设的第二目标分布，确定所述判别网络的第一网络损失，包括：

根据所述第一判别分布和所述第一目标分布，确定所述第一生成图像的第一分布损失；

根据所述第二判别分布和所述第二目标分布，确定所述第一真实图像的第二分布损失；

根据所述第一分布损失和所述第二分布损失，确定所述第一网络损失。

3.根据权利要求2所述的方法，其特征在于，根据所述第一判别分布和所述第一目标分布，确定所述第一生成图像的第一分布损失，包括：

将所述第一判别分布映射到所述第一目标分布的支撑集，获得第一映射分布；

确定所述第一映射分布与所述第一目标分布的第一相对熵；

根据所述第一相对熵，确定所述第一分布损失。

4.根据权利要求2所述的方法，其特征在于，根据所述第二判别分布和所述第二目标分布，确定所述第一真实图像的第二分布损失，包括：

将所述第二判别分布映射到所述第二目标分布的支撑集，获得第二映射分布；

确定所述第二映射分布与所述第二目标分布的第二相对熵；

根据所述第二相对熵，确定所述第二分布损失。

5.根据权利要求2所述的方法，其特征在于，根据所述第一分布损失和所述第二分布损失，确定所述第一网络损失，包括：

对所述第一分布损失和所述第二分布损失进行加权求和处理，获得所述第一网络损失。

6.根据权利要求1-5中任一项所述的方法，其特征在于，根据所述第一判别分布和所述第二判别分布，确定所述生成网络的第二网络损失，包括：

确定所述第一判别分布与所述第二判别分布的第三相对熵；

根据所述第三相对熵，确定所述第二网络损失。

7.根据权利要求1所述的方法，其特征在于，根据所述第一网络损失和所述第二网络损失，对抗训练所述生成网络和所述判别网络，包括：

根据所述第一网络损失，调整所述判别网络的网络参数；

根据所述第二网络损失，调整所述生成网络的网络参数；

在所述判别网络和所述生成网络满足训练条件的情况下，获得训练后的所述生成网络和所述判别网络。

8.根据权利要求7所述的方法，其特征在于，根据所述第一网络损失，调整所述判别网络的网络参数，包括：

将第二随机向量输入生成网络，获得第二生成图像；

根据所述第二生成图像对第二真实图像进行插值处理，获得插值图像；

将所述插值图像输入所述判别网络，获得所述插值图像的第三判别分布；

根据所述第三判别分布，确定所述判别网络的网络参数的梯度；

在所述梯度大于或等于梯度阈值的情况下，根据所述第三判别分布确定梯度惩罚参数；

根据所述第一网络损失和所述梯度惩罚参数，调整所述判别网络的网络参数。