资料下载
×
基于自注意力机制的条件生成对抗网络模型
消耗积分:0 |
格式:pdf |
大小:2.81 MB |
2021-04-20
分享资料个
近年来，越来越多的生成对抗网络出现在深度学习的各个领域中。条件生成对抗网络（ Conditional generative Adverarial Networks，cG∧N）开创性地将监督学习引入到无监督的GΔN网络中，这使得GAN可以生成有标签数据。传统的GAN通过多次卷积运算来模拟不同区域之间的相关性，进而生成图像，而cGAN只是对GAN的目标函数加以改进，并没有改变其网络结构，因此cGAN生成的图像中仍然存在长距离特征之间相关性相对较小的问题，从而导致cGAN生成图像的细节不清楚。为了解决这个问题，将自注意力机制引λcGAN中，并提出了一个新的模型SA-cGAN。该模型通过将图像中相距较远的特征相互关联起来生成一致的对象或场景，进而提升生成对抗网络生成细节的能力。将SA-cGAN在 Celeb和 MNIST手写数据集上进行了实验，并将其与 DCGAN，cGAN等几种常用的生成模型进行了比较，结果证明该模型相比其他几种模型在图像生成领域有一定的进步。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
