基于条件约束的胶囊生成对抗网络

• 作者: 孔锐 黄钢
• 来源期刊: 自动化学报
• 关键词: 生成式对抗网络 胶囊神经网络 图像生成 条件模型
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 94-107
• 页数: 14页
• 字数: 10439字
• 语种: 中文
• DOI: 10.16383/j.aas.c180590

摘要

生成式对抗网络(Generative adversarial networks,GAN)是主要的以无监督方式学习深度生成模型的方法之一.基于可微生成器网络的生成式建模方法,是目前最热门的研究领域,但由于真实样本分布的复杂性,导致GAN生成模型在训练过程稳定性、生成质量等方面均存在不少问题.在生成式建模领域,对网络结构的探索是重要的一个研究方向,本文利用胶囊神经网络(Capsule networks,CapsNets)重构生成对抗网络模型结构,在训练过程中使用了Wasserstein GAN(WGAN)中提出的基于Earth-mover距离的损失函数,并在此基础上加以条件约束来稳定模型生成过程,从而建立带条件约束的胶囊生成对抗网络(Conditional-CapsuleGAN,C-CapsGAN).通过在MNIST和CIFAR-10数据集上的多组实验,结果表明将CapsNets应用到生成式建模领域是可行的,相较于现有类似模型,C-CapsGAN不仅能在图像生成任务中稳定生成高质量图像,同时还能更有效地抑制模式坍塌情况的发生.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孔锐	暨南大学智能科学与工程学院	15	314	8.0	15.0
5	黄钢	暨南大学信息科学技术学院	1	0	0.0	0.0