[发明专利]用于训练用于生成图像的机器学习系统的设备和方法

权利要求书

1.一种用于训练生成性对抗网络（60）的计算机实现方法，其中所述生成性对抗网络（60）的生成器（61）被配置成基于至少一个输入值（z）来生成至少一个图像（x₁），其中训练所述生成性对抗网络（60）包括最大化损失函数（），所述损失函数（）表征所述生成器（61）针对至少一个第一输入值所确定的第一图像（x₁）与所述生成器（61）针对至少一个第二输入值所确定的第三图像之间的差。

2.根据权利要求1所述的方法，其中所述生成器（61）是包括多个神经网络块的神经网络。

3.根据权利要求2所述的方法，其中所述损失函数由以下公式来表征：

其中G^l(⋅)是所述生成器（61）的第l个块的输出，z₁是所述至少一个第一输入值，并且z₂是所述至少一个第二输入值。

4.根据权利要求1至3中任一项所述的方法，进一步包括以下步骤：

· 由所述生成性对抗网络（60）的辨别器（62）来确定表征第一图像（x₁）的两个分类（y_c,y_l）的第一输出，并且由所述辨别器（62）来确定表征所提供的第二图像（x₂）的两个分类（y_c,y_l）的第二输出，其中所述辨别器（62）被配置成根据以下步骤来确定所供应图像（x₁,x₂）的输出：

- 确定所供应图像（x₁,x₂）的中间表示（i）；

- 通过对所述中间表示（i）应用全局池化操作来确定所供应图像（x₁,x₂）的内容表示（c）；

- 通过对所述中间表示（i）应用卷积操作来确定所供应图像（x₁,x₂）的布局表示（o）；

- 确定表征所述内容表示（c）的分类的内容值（y_c）和表征所述布局表示（o）的分类的布局值（y_l），并且在所供应图像（x₁,x₂）的输出中提供内容值（y_c）和布局值（y_l）；

· 训练辨别器（62），使得第一输出中的内容值（y_c）和布局值（y_l）表征分类成第一类别，并且使得第二输出中的内容值（y_c）和布局值（y_l）表征分类成第二类别；

· 训练生成器（61），使得第一输出中的内容值（y_c）和布局值（y_l）表征分类成第二类别。