[发明专利]一种基于生成对抗网络使用感知损失解决模型崩塌的方法有效
| 申请号： | 201811310962.1 | 申请日： | 2018-11-06 |
| 公开（公告）号： | CN109409508B | 公开（公告）日： | 2022-03-15 |
| 发明（设计）人： | 李孝杰;伍贤宇;冯诗皓;史沧红;罗超;张宪;刘书樵;李俊良 | 申请（专利权）人： | 成都信息工程大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06T5/00;G06T11/00 |
| 代理公司： | 北京元本知识产权代理事务所(普通合伙) 11308 | 代理人： | 常桑 |
| 地址： | 610225 四川省成都市双*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于图像重建技术领域，公开了一种基于生成对抗网络使用感知损失解决模型崩塌的方法，利用随机向量z生成与实际数据分布相似的图像，在训练的过程中采用感知损失将z和真实数据映射到特征空间中来提取更高层次的特征，并结合对抗损失来鼓励生成网络产生与实际图像相似的图像样本；最后，使得鉴别器不能判断这是一个虚假图像。本发明针对已有网络采用较小的数据集解决了模型崩塌问题，VGG‑GAN在两个小场景数据集上进行评价；实验结果表明，用VGG‑GAN方法生成的图像质量优于现有方法。 | ||
| 搜索关键词： | 一种 基于 生成 对抗 网络 使用 感知 损失 解决 模型 崩塌 方法 | ||
【主权项】：
1.一种基于生成对抗网络使用感知损失解决模型崩塌的方法，其特征在于，所述基于生成对抗网络使用感知损失解决模型崩塌的方法包括以下步骤：输入待训练的图像I；将待训练图像I转为m×m的图像块集合，图像块用Idata表示；随机产生满足高斯分布或均匀分布的噪声z；将噪声z输入到生成器G中进行训练；将生成器G输出的结果Iz和Idata一同输入到鉴别器D中；生成器和鉴别器不断更新学习，直到达到纳什平衡，生成类似于真实图像的样本图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都信息工程大学，未经成都信息工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811310962.1/，转载请声明来源钻瓜专利网。
