典型文献
改进生成对抗网络在图片数据生成中的应用
文献摘要：
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.
文献关键词：
图片数据生成;生成对抗网络(GAN);残差结构;动态学习率
中图分类号：
作者姓名：
孟辰;曾志高;朱艳辉;朱文球;易胜秋;董丽君
作者机构：
湖南工业大学 计算机学院,湖南 株洲 412008;湖南省智能信息感知及处理技术重点实验室,湖南 株洲 412008
文献出处：
引用格式：
[1]孟辰;曾志高;朱艳辉;朱文球;易胜秋;董丽君-.改进生成对抗网络在图片数据生成中的应用)[J].计算机工程与应用,2022(15):260-269
A类：
图片数据生成
B类：
改进生成对抗网络,数据分布,generative,adversarial,networks,GAN,数据质量,梯度消失,模式崩溃,稀疏表达,残差结构,结构组合,组合而成,生成器,结构组成,辨别,质量图,分支网,生成模型,多种类型,匀速,运行时间,改进模型,模型结构,图像数据,更高质量,动态学习率
AB值：
0.277755
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。
