10.3969/j.issn.1006-9348.2021.12.091
基于生成式对抗网络的小样本图像生成
研究基于小规模数据集(即图像尺寸维度远大于样本集的数据规模)的图像生成问题,数据集规模过小会影响深度学习中生成式模型(Generative Models)生成图像的效果.针对小规模数据集图像生成问题,对已有深度卷积生成式对抗网络DCGAN进行了改进,提出了改进的MDCGAN(Modified DCGAN).MDCGAN模型采用卷积层取代全链接层,采用带步长的卷积运算取代上采样运算.同时将条件信息y引入判别器和生成器中,条件信息y能够为生成式对抗网络增加条件,对生成数据起到监督作用.通过手写数字生成实验和建筑物轮廓生成实验证明,提出的MDCGAN能够基于小规模数据集生成高清晰度高逼真度的图像.
小样本;生成式对抗网络;条件信息;图像生成
38
TP183(自动化基础理论)
2022-01-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
445-448,453