基于迁移学习的双层生成式对抗网络

• 作者: 吴小勇 李雅娴 邢恩旭
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 生成式对抗网络 迁移学习 目标样本 字体生成
• 年，卷（期）: 2019,（15）
• 所属期刊栏目: 热点与综述
• 页码范围: 38-46,103
• 页数: 10页
• 分类号: TP391
• 字数: 8076字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1812-0225

摘要

在生成式对抗网络的对抗训练中,目标样本训练集不足会导致模型无法准确学习到对应的特征,但对于需要人工制作、标记的目标样本训练集又很难获取.针对这一问题,提出了基于迁移学习的双层生成式对抗网络模型,在第一层网络中通过伪目标样本让模型学习到目标样本在结构空间的大致分布后,利用迁移学习的思想进行模型迁移,并在第二层网络中根据少量目标样本进行调整.实验中,验证了该模型在中文字体生成与图片框架图转换中的提高,有效地在少量目标样本训练集中训练出更好的模型.