使用孪生注意力机制的生成对抗网络的研究

摘要：

生成对抗网络(GAN)能够生成逼真的图像,已成为生成模型中的一个研究热点.针对生成对抗网络无法有效提取图像局部与全局特征间依赖关系以及各类别间的依赖关系,提出一种用于生成对抗网络的孪生注意力模型(TAGAN).以孪生注意力机制为驱动,通过模拟局部与全局特征间的依赖关系以及各类别间依赖关系,对真实自然图像建模,创建逼真的非真实图像.孪生注意力机制包含特征注意力模型和通道注意力模型,特征注意力模型通过有选择地聚合特征,学习相似特征间的关联性,通道注意力模型通过整合各通道维度的相关特征,学习各通道的内部依赖关系.在MNIST、CIFAR10和CelebA64数据集上验证了所提出模型的有效性.

关键词：深度学习、生成对抗网络(GAN)、生成模型、对抗学习、注意力机制

所属期刊栏目：14

分类号：TP181(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant No. 61533002 国家自然科学基金;the Natural Science Foundation of Beijing under Grant No. 4182009 北京市自然科学基金

在线出版日期：2020-05-18（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：833-840