-
题名基于自注意力机制的条件生成对抗网络
被引量：11
- 1
-
-
作者
于文家
丁世飞
-
机构
中国矿业大学计算机科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2021年第1期241-246,共6页
-
基金
国家自然科学基金(61672522,61976216)。
-
文摘
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 Adver-sarial Networks,cGAN)开创性地将监督学习引入到无监督的GAN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,将自注意力机制引入cGAN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CelebA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。
-
关键词
深度学习
生成对抗网络
cGAN
自注意力
sa-cgan
-
Keywords
Deep learning
Generative adversarial network
cGAN
Self-attention
sa-cgan
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
