分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2019-04-01 合作期刊: 《计算机应用研究》
摘要: 生成对抗网络(generative adversarial networks,GAN)是今年来最热门的生成模型之一,使用生成对抗网络和它的一些改进模型可以生成随机图像,或是质量不高的特定图像。目前并没有能够使用简单的网络结构生成高质量特定图像的生成模型,针对这一项任务,提出的方法结合了边界平衡生成对抗网络(boundary equilibrium generative adversarial network,BEGAN)的优点,添加附加条件特征以及均方误差损失,建立条件边界平衡生成对抗网络(conditional-BEGAN,C-BEGAN),使用这种方法提取其中的生成模型用于特定图像的生成,实验结果表明,该方法相比于其他监督类生成模型可以使用更简单的网络达到更快的收敛速度并且能够生成具有更好质量以及多样性的图片。