基于文本—图像及流形插值的对抗模型

• 作者: 张帅 杨雪霞
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 生成图像 过拟合 深度卷积 流形插值 对抗网络
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 图形图像处理
• 页码范围: 216-220
• 页数: 5页
• 分类号: TP317.4
• 字数: 3561字
• 语种: 中文
• DOI: 10.11907/rjdk.201133

摘要

针对传统文本—图像对抗模型中,由于反卷积网络参数过多容易产生过拟合现象,导致生成图像质量较差,而线性分解方法无法解决文本—图像对抗模型中输入单一的问题,提出一种在线性分解基础上加入流形插值的算法,并对传统DCGAN模型进行改进,以提高图像的鲁棒性.仿真实验结果表明,生成花卉图像的FID分数降低了 4.73%,生成鸟类的 FID分数降低了 4.11%,在 Oxford-102和 CUB两个数据集上生成图像的人类评估分数分别降低了 75.64%和 58.95%,初始分数分别提高 14.88%和 14.39%,说明新模型生成的图片更符合人类视角,图片特征更为丰富.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张帅	太原广播电视大学教学研究中心	12	2	1.0	1.0
2	杨雪霞	太原科技大学应用科学学院	19	21	3.0	3.0