[发明专利]生成网络的训练方法和系统、以及图像生成方法及设备

权利要求书

1.一种生成网络的训练方法，其特征在于，包括以下步骤：

获取真实样本图像和生成样本图像，所述生成样本图像是由使用第一参数的生成网络所生成的；

利用所述真实样本图像和所述生成样本图像对映射网络的第二参数进行训练，直至所训练的映射网络使得所述真实样本图像和所述生成样本图像之间的特征距离符合最大化条件；其中，所述直至所训练的映射网络使得所述真实样本图像和所述生成样本图像之间的特征距离符合最大化条件的步骤包括：计算经所述映射网络得到的真实样本图像和生成样本图像之间的特征距离，基于所述特征距离确定所述第二参数的偏移量，以用于更新所述第二参数，直至所得到的所述特征距离符合所述最大化条件；

利用训练后的映射网络对所述生成网络的第一参数进行训练，直至训练后的第二参数的条件下的所述真实样本图像和训练后的生成网络输出的生成样本图像之间的特征距离符合最小化条件；其中，所述直至训练后的第二参数的条件下的所述真实样本图像和训练后的生成网络输出的生成样本图像之间的特征距离符合最小化条件的步骤包括：在训练后的第二参数的条件下，基于所述真实样本图像和每次更新第一参数后生成网络输出的生成样本图像之间的特征距离而确定的所述第一参数的偏移量，更新所述生成网络的第一参数，直至所述真实样本图像和训练后的生成网络输出的生成样本图像之间的特征距离符合所述最小化条件；

重复上述过程直至经训练得到的第一参数满足预设收敛条件。

2.根据权利要求1所述的生成网络的训练方法，其特征在于，所述映射网络用于将所述真实样本图像和生成样本图像映射到特征表示空间内。

3.根据权利要求2所述的生成网络的训练方法，其特征在于，所述映射网络的映射包括：降维操作。

4.根据权利要求1所述的生成网络的训练方法，其特征在于，所述特征距离为经所述映射网络映射到特征表示空间内的真实样本图像的特征和生成样本图像的特征之间的最大均值差异。

5.根据权利要求1所述的生成网络的训练方法，其特征在于，所述第二参数的偏移量包括：基于所述特征距离在第二参数上的梯度而得到的偏移量。

6.根据权利要求1所述的生成网络的训练方法，其特征在于，所述第一参数的偏移量包括：每次更新第一参数后生成网络输出的生成样本图像和所述真实样本图像之间的特征距离在第一参数上的梯度而得到的偏移量。

7.根据权利要求1所述的生成网络的训练方法，其特征在于，所述训练方法还包括获取一随机变量的步骤，所述生成样本图像即为所述生成网络基于所述随机变量生成的。

8.根据权利要求7所述的生成网络的训练方法，其特征在于，所述随机变量遵循于一正态分布或一均匀分布。

9.根据权利要求1所述的生成网络的训练方法，其特征在于，所述真实样本图像为参考图像，所述生成样本图像为生成网络输出的生成图像。