摘要
本发明公开了一种用于缓解模式崩溃的GANs训练方法、设备及存储介质,涉及生成对抗网络模式崩溃技术领域。本发明通过对原始图像裁剪再进行分布拟合的训练方法,缓解了模式崩溃导致的问题;基于GAN图像生成的框架,在处理原始图像的阶段,对原始图像进行裁剪,生成了大小不同的原始图像补丁,以更好的学习图像的全局特征,以改善生成图像的多样性;而在生成图片的过程中,在潜在空间中使用图像补丁和特征图补丁的约束参数,并对惩罚项做了相应的增加;针对不同卷积层包含的图像特征信息重复,本发明对指定的卷积层降低其权重以避免特征信息的重复提取。本发明可以让生成器生成更多样性的图片并囊括图像更多的全局特征,有利于缓解模式崩溃的问题,从而达到更好的GANs训练结果。
技术关键词
补丁
生成对抗网络
特征提取网络
样本
随机噪声
图像特征信息
图像生成器
图像特征提取
模式
表达式
输出特征
处理器
计算机设备
可读存储介质
图片
存储器
标识符
数据
指令