典型文献
一种基于谱归一化的两阶段堆叠结构生成对抗网络的文本生成图像模型
文献摘要：
文本生成图像是机器学习领域非常具有挑战性的任务,虽然目前已经有了很大突破,但仍然存在模型训练不稳定以及梯度消失等问题.针对这些不足,在堆叠生成对抗网络(StackGAN)基础上,提出一种结合谱归一化与感知损失函数的文本生成图像模型.首先,该模型将谱归一化运用到判别器网络中,将每层网络梯度限制在固定范围内,相对减缓判别器网络的收敛速度,从而提高网络训练的稳定性;其次,将感知损失函数添加到生成器网络中,增强文本语义与图像内容的一致性.使用Inception score评估所提模型生成图像的质量.实验结果表明,该模型与原始StackGAN相比,具有更好的稳定性且生成图像更加逼真.
文献关键词：
深度学习;生成对抗网络;文本生成图像;谱归一化;感知损失函数
中图分类号：
作者姓名：
王霞;徐慧英;朱信忠
作者机构：
浙江师范大学数学与计算机科学学院,浙江 金华 321004
文献出处：
引用格式：
[1]王霞;徐慧英;朱信忠-.一种基于谱归一化的两阶段堆叠结构生成对抗网络的文本生成图像模型)[J].计算机工程与科学,2022(06):1083-1089
A类：
StackGAN
B类：
谱归一化,两阶段,堆叠,结构生成,生成对抗网络,文本生成图像,像是,学习领域,模型训练,梯度消失,感知损失函数,判别器,每层,收敛速度,网络训练,生成器,文本语义,Inception,score,评估所,模型生成,逼真
AB值：
0.249184
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
