典型文献
基于生成式对抗网络的人脸图像生成
文献摘要：
人脸图像生成是计算机视觉中的经典问题,为保证良好的生成效果,对边界均衡生成式对抗网络(BEGAN)进行改进.首先在训练时对模型使用双时间尺度更新规则(TTUR),对生成和鉴别两个网络应用不同的学习率,并通过修改损失函数、加入推开项(PT)避免网络产生模式聚集的样本;然后使用自注意力机制,将特征图中广泛分离的空间区域转换为不同的特征空间,再进行融合,增强图像的整体质量.在人脸数据集CelebA上的实验表明,与BEGAN算法相比,改进方法生成人脸图像效果有一定提升.
文献关键词：
人脸图像生成;生成式对抗网络;双时间尺度;自注意力机制
中图分类号：
作者姓名：
于耀淋;张景异;雎付佳
作者机构：
沈阳理工大学 自动化与电气工程学院,沈阳110159
文献出处：
引用格式：
[1]于耀淋;张景异;雎付佳-.基于生成式对抗网络的人脸图像生成)[J].沈阳理工大学学报,2022(05):29-33
A类：
BEGAN,双时间尺度更新规则,TTUR
B类：
生成式对抗网络,人脸图像生成,计算机视觉,经典问题,模型使用,网络应用,学习率,损失函数,推开,PT,自注意力机制,特征图,空间区域,区域转换,特征空间,增强图像,整体质量,人脸数据集,CelebA,改进方法
AB值：
0.258562
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。
