多层感知器深度卷积生成对抗网络

• 作者: 李贵洋 王格格 郭涛
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 生成对抗网络 深度卷积生成对抗网络 多层感知器 FID
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 243-249
• 页数: 7页
• 分类号: TP181
• 字数: 6915字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2019.09.036

摘要

生成对抗网络(GAN)是目前图像生成领域中一种新的、有效的训练生成模型方法.深度卷积生成对抗网络(DCGAN)作为GAN的一种延伸,将卷积神经网络引入到生成模型中进行无监督训练.但DCGAN的线性卷积层对于下层数据块是一个广义线性模型,其抽象层次较低,生成的图像质量不高,并且在模型性能度量方面仅以主观的视觉感受来评判图像质量.针对以上问题,文中提出了一种多层感知器深度卷积生成对抗网络(MPDCGAN),采用多层感知器卷积层取代广义线性模型在输入数据上进行卷积,以捕获图像更深层次的特征,并采用定量评估方法Frechet Inception Distance(FID)衡量图像生成质量.在4种基准数据集上的实验结果表明,采用MPDCGAN生成的图像的FID值与图像质量呈负相关关系,且图像生成质量随着FID值的降低得到了进一步的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭涛	四川师范大学计算机科学学院	19	116	5.0	10.0
2	李贵洋	四川师范大学计算机科学学院	21	81	6.0	8.0
3	王格格	四川师范大学计算机科学学院	5	6	1.0	2.0