基于分段损失的生成对抗网络

• 作者: 刘其开 姜代红 李文吉
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 生成对抗网络 模式崩溃 特征级损失 分段损失 半监督学习
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 155-160,168
• 页数: 7页
• 分类号: TP18
• 字数: 4850字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0050529

摘要

生成对抗网络(GAN)在训练过程中未能有效进行生成器与鉴别器间的同步更新,导致模型训练不稳定并出现模式崩溃的现象.为此,提出一种基于分段损失的生成对抗网络PL-GAN.生成器在不同的训练时期采用不同形式的损失函数,同时引入真实样本与生成样本之间的特征级损失,从而使鉴别器提取的特征更具有鲁棒性.MNIST和CIFAR-10数据集上的实验结果表明,与regular GAN、feature-wise GAN相比,PL-GAN具有更高的分类精度与运行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜代红	徐州工程学院信电工程学院	58	306	10.0	14.0
2	李文吉	中国国土资源航空物探遥感中心国土资源部航空地球物理与遥感地质重点实验室	2	9	1.0	2.0
3	刘其开	中国矿业大学信息与控制工程学院	2	1	1.0	1.0