[发明专利]一种图像生成方法及装置

说明书

本公开提供一种图像生成方法，包括：获取待生成信号；将待生成信号输入第一生成器模型，得到第一生成器模型输出的生成图像；其中，第一生成器模型是基于与第一判别器模型、预训练判别器模型形成压缩对抗网络进行对抗训练得到的；预训练判别器模型为预训练过的判别器模型，第一判别器模型及预训练判别器模型分别用于鉴别第一生成器模型的输出，得到鉴别信号，并将鉴别信号作用于第一生成器模型的对抗训练过程。本公开从教师‑学生的学习范式出发，在对抗网络中引入预训练判别器模型的监督，提升轻量级生成对抗网络的性能，使轻量级生成器具有原始生成器相近的生成图像能力。

技术领域

本公开涉及图像生成技术领域，尤其涉及一种图像生成方法及装置。

背景技术

生成式对抗网络在图像生成中具有重要的应用。现有的高分辨率图像的生成模型的参数量往往十分巨大，这给生成模型在实际生产环境的应用带来了巨大的挑战。目前的常用做法是对生成式对抗网络进行网络结构压缩来缩减模型参数，提高模型在实际生产环境中的可用性。

目前压缩结构的对抗网络存在着压缩的生成器计算量过高、压缩的生成器性能欠佳等缺点。已有的生成对抗网络搜索方法大都采用教师生成器提供监督信号，或者基于教师生成器构建学生生成器，这会带来：忽略了判别器在生成对抗网络中进行信号监督的重要作用，忽略了生成对抗网络的对抗本质。因此现有的生成式对抗网络压缩的算法对原模型的效果损伤较大，导致生成出来的图片效果较差。

发明内容

本公开提供一种图像生成方法，用以解决现有技术中高分辨率图像的生成模型的参数量巨大，而压缩后的生成模型生成的图像质量差的缺陷，实现应用轻量级压缩生成对抗网络生成高质量图像的目的。

本公开提供一种图像生成方法，包括：获取待生成信号；将所述待生成信号输入第一生成器模型，得到所述第一生成器模型输出的生成图像；其中，所述第一生成器模型是基于与第一判别器模型、预训练判别器模型形成压缩对抗网络进行对抗训练得到的；所述预训练判别器模型为预训练过的判别器模型，所述第一判别器模型及预训练判别器模型分别用于鉴别第一生成器模型的输出，得到鉴别信号，并将鉴别信号作用于第一生成器模型的对抗训练过程。

根据本公开提供的一种图像生成方法，所述第一生成器模型是基于与第一判别器模型、预训练判别器模型形成压缩对抗网络进行对抗训练得到的，包括：将所述第一生成器模型与第一判别器模型形成第一生成式对抗网络，并进行第一轮的第一生成器模型与第一判别器模型交替迭代优化；将所述第一生成器模型与预训练判别器模型形成压缩结构的第二生成式对抗网络，并进行第二轮的第一生成器模型迭代优化。

根据本公开提供的一种图像生成方法，所述将所述第一生成器模型与第一判别器模型形成第一生成式对抗网络，并进行第一轮的第一生成器模型与第一判别器模型交替迭代优化，包括：分别对第一生成器模型以及第一判别器模型进行参数初始化；获取第一高斯噪声；将所述第一高斯噪声输入第一生成器模型，得到所述第一生成器模型输出的第一输出图像；将所述第一输出图像输入所述第一判别器模型，得到所述第一判别器模型输出的所述第一输出图像属于第一类图像的第一概率；获取训练集中属于第一类图像的真实图像，将所述真实图像输入所述第一判别器模型，得到第一判别器模型输出的所述真实图像属于第一类图像的第二概率；根据所述第一概率及第二概率得到第一生成式对抗网络的第一目标函数，根据所述第一目标函数分别对第一生成器模型及第一判别器模型进行交替迭代直至所述第一目标函数收敛。

根据本公开提供的一种图像生成方法，所述将所述第一生成器模型与预训练判别器模型形成压缩结构的第二生成式对抗网络，并进行第二轮的第一生成器模型迭代优化，包括：获取第二高斯噪声；将所述第二高斯噪声输入第一生成器模型，得到所述第一生成器模型输出的第二输出图像；将所述第二输出图像输入所述预训练判别器模型，得到所述预训练判别器模型输出的所述第二输出图像属于第一类图像的第三概率；根据所述第三概率得到压缩结构的第二生成式对抗网络的第二目标函数，根据所述第二目标函数对第一生成器模型进行至少一轮迭代优化直至所述第二目标函数收敛。