一种基于有限数据的改进DCGAN图像生成方法

摘要：

生成对抗网络(Generative Adversarial Network,GAN)的成功主要依赖于大量的数据进行模型训练.当训练数据有限时,GAN生成图像会产生保真度低和模型不稳定等问题.针对以上问题,基于深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)提出一种改进模型,称为 LC-DCGAN(LeCam Deep Convolutional Generative Adversarial Networks),通过引入两个指数移动平均变量,减少小批量之间的方差,并且来稳定正则化项,使其判别器的预测逐渐收敛到平稳点.实验结果表明,该模型在有限数据下可以生成高质量、缺陷类型丰富的缺陷样本数据集.

关键词：图像生成、生成对抗网络、正则化、保真度

所属期刊栏目：51

分类号：TP399(计算技术、计算机技术)

资助基金：国家自然科学基金;河南省科技攻关计划项目

在线出版日期：2023-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：39-46