-
公开(公告)号：CN109584337A
公开(公告)日：2019-04-05
申请号：CN201811328478.1
申请日：2018-11-09
Applicant: 暨南大学
Abstract: 本发明公开了一种基于条件胶囊生成对抗网络的图像生成方法，包括下述步骤：图像数据采集并对图像进行预处理；提取出条件向量；获取随机噪声；设计一个神经网络作为生成器将随机噪声和条件向量映射为生成图片；设计另外一个神经网络作为判别器接收生成图片、真实图片和条件向量得到损失值；在训练对抗网络时，根据损失值最小化目标函数来调节生成器网络权值；训练完成后，生成器网络权值调整到最佳，此时舍弃判别器，保留生成器模型作为生成图像的最佳神经网络。本发明通过利用胶囊神经网络来设计判别器结构，结合现有的WGAN和CGAN的优点，网络能够有效避免梯度消失问题，同时生成的样本质量高，相比于现有技术算法，具有一定优势。
-
公开(公告)号：CN109584337B
公开(公告)日：2022-03-29
申请号：CN201811328478.1
申请日：2018-11-09
Applicant: 暨南大学
Abstract: 本发明公开了一种基于条件胶囊生成对抗网络的图像生成方法，包括下述步骤：图像数据采集并对图像进行预处理；提取出条件向量；获取随机噪声；设计一个神经网络作为生成器将随机噪声和条件向量映射为生成图片；设计另外一个神经网络作为判别器接收生成图片、真实图片和条件向量得到损失值；在训练对抗网络时，根据损失值最小化目标函数来调节生成器网络权值；训练完成后，生成器网络权值调整到最佳，此时舍弃判别器，保留生成器模型作为生成图像的最佳神经网络。本发明通过利用胶囊神经网络来设计判别器结构，结合现有的WGAN和CGAN的优点，网络能够有效避免梯度消失问题，同时生成的样本质量高，相比于现有技术算法，具有一定优势。
-
Search Results
2
records
(took 0.024 seconds)
