[发明专利]条件对抗网络的训练方法、装置、电子设备和存储介质

说明书

本申请公开了条件对抗网络的训练方法、装置、电子设备和存储介质，涉及深度学习和图像处理技术领域。实现方案：通过将噪声编码和当前的条件编码，输入至生成器，得到包含目标对象的第一图片，并将第一图片输入至判别器，根据生成的第一图片属于真实图片的概率、及目标对象在第一图片中的第一判别方向角度与目标方向角度的差值，对生成器和判别器进行修正，以对条件对抗网络进行训练。由此，通过将条件为方向角度的连续量转换为离散量角度区间，并利用分类和回归混合监督的方式，对条件对抗网络进行训练，可以得到条件为连续量的条件对抗网络，不仅提高了网络的收敛效果，而且可以稳定地生成各个方向角度的目标对象。

技术领域

本申请涉及计算机技术领域，具体涉及深度学习和图像处理技术领域，尤其涉及一种条件对抗网络的训练方法、装置、电子设备和存储介质。

背景技术

条件生成对抗网络，是一种带条件约束的生成式对抗网络，在生成模型和判别模型中均引入条件变量，使用额外的条件来指导数据的生成。其中，条件生成对抗网络中的条件一般都是类别标签，是一种离散量。

可见，相关技术中，条件生成对抗网络适用于条件为离散量的情况。

发明内容

本申请提供一种适用于条件为连续量的条件生成对抗网络的方法、装置、电子设备和存储介质。

根据第一方面，提供了一种条件对抗网络的训练方法，包括：

获取待生成图片中目标对象的目标方向角度；

根据所述目标方向角度所属的角度区间，确定当前的条件编码；

将所述条件编码及噪声编码输入所述条件对抗网络的生成器，以生成包含所述目标对象的第一图片；

将所述第一图片输入所述条件对抗网络的判别器，以生成所述第一图片属于真实图片的概率及所述目标对象在所述第一图片中的第一判别方向角度；以及

根据所述第一图片属于真实图片的概率、及所述目标对象在所述第一图片中的第一判别方向角度与所述目标方向角度的差值，对所述生成器及所述判别器进行修正，以对所述条件对抗网络进行训练。

本申请实施例的条件对抗网络的训练方法，通过将噪声编码和根据目标对象的目标方向角所属的角度区间确定的条件编码输入至生成器，得到包含目标对象的第一图片，并将第一图片输入至判别器，并根据生成的第一图片属于真实图片的概率、及目标对象在第一图片中的第一判别方向角度与目标方向角度的差值，对生成器和判别器进行修正，以对条件对抗网络进行训练。由此，通过将条件为方向角度的连续量转换为离散量角度区间，并利用分类和回归混合监督的方式，对条件对抗网络进行训练，可以得到条件为连续量的条件对抗网络，不仅提高了网络的收敛效果，而且可以稳定地生成各个方向角度的目标对象。

根据第二方面，提供了一种条件对抗网络的训练装置，包括：

第一获取模块，用于获取待生成图片中目标对象的目标方向角度；

第一确定模块，用于根据所述目标方向角度所属的角度区间，确定当前的条件编码；

第一生成模块，用于将所述条件编码及噪声编码输入所述条件对抗网络的生成器，以生成包含所述目标对象的第一图片；

第二生成模块，用于将所述第一图片输入所述条件对抗网络的判别器，以生成所述第一图片属于真实图片的概率及所述目标对象在所述第一图片中的第一判别方向角度；以及

第一修正模块，用于根据所述第一图片属于真实图片的概率、及所述目标对象在所述第一图片中的第一判别方向角度与所述目标方向角度的差值，对所述生成器及所述判别器进行修正，以对所述条件对抗网络进行训练。