改进生成对抗网络在图片数据生成中的应用

作者：孟辰; 曾志高; 朱艳辉; 朱文球; 易胜秋; 董丽君

来源：计算机工程与应用, 2021, 1-11.

• 图片数据生成
• 生成对抗网络（GAN）
• 残差结构
• 动态学习率

图片数据生成旨在根据现有的图片数据，产生与原始图片数据分布相似的图片数据。当前主流的生成对抗网络模型（Generative Adversarial Networks，GAN）产生的图片数据质量较差，模型的训练总是遇到调试困难、训练不稳定、梯度消失、模式崩溃等一系列问题。根据稀疏表达结构和残差结构组合而成的生成器，残差结构组成的辨别器，提出了一种能够生成高质量图片的GAN模型。根据分支网络模型构成的生成器，设计了多种类图片数据生成模型，可以使用一个模型同时训练生成多种类型的图片数据。为了更好地对数据进行训练，设计了一种动态匀速下降学习率，能够根据运行时间对学习率的衰减进行指导。在各个数据集上的实验结果表明，改进模型结构在图像数据生成上比其他算法更加稳定、鲁棒，能够生成更高质量的图片数据。

• 出版日期2021-4-12
• 单位湖南工业大学