基于深度卷积生成对抗网络的图像生成

• 作者: 尹玉婷 肖秦琨
• 来源期刊: 计算机技术与发展
• 关键词: 生成对抗网络 深度卷积网络 变分自编码器 图像生成 梯度下降法
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 图形与图像
• 页码范围: 86-92
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2021.04.015

摘要

图像生成是虚拟现实技术(virtual reality,VR)中的重要技术手段,针对传统图片生成方法需要大量的数据集进行训练,且生成的图片轮廓不清晰等问题,采用基于深度卷积神经网络和生成对抗网络来实现图片的生成.为了保证生成图片的真实性和完整性,在图片生成阶段引入变分自编码器,通过编码器获取到输入图片数据的均值和方差,将图片对应的隐藏变量转化为标准的高斯分布,然后通过生成器生成新的图片;在识别阶段,采用深度卷积神经网络训练判别器,将生成的新的图片输入到已经训练好的判别器中,运用梯度下降法计算损失函数,不断优化整体系统模型.通过对MNIST图像数据集的训练,实验表明该方法能生成质量较高的图片,它生成的图像无法用肉眼与真实数据区分开,并且在不同网络条件下都有较高的识别率.该方法提高了MNIST生成模型的技术水平.