买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学;成都奇恩生物科技有限公司

摘要：本发明公开了一种用于缓解模式崩溃的GANs训练方法、设备及存储介质，涉及生成对抗网络模式崩溃技术领域。本发明通过对原始图像裁剪再进行分布拟合的训练方法，缓解了模式崩溃导致的问题；基于GAN图像生成的框架，在处理原始图像的阶段，对原始图像进行裁剪，生成了大小不同的原始图像补丁，以更好的学习图像的全局特征，以改善生成图像的多样性；而在生成图片的过程中，在潜在空间中使用图像补丁和特征图补丁的约束参数，并对惩罚项做了相应的增加；针对不同卷积层包含的图像特征信息重复，本发明对指定的卷积层降低其权重以避免特征信息的重复提取。本发明可以让生成器生成更多样性的图片并囊括图像更多的全局特征，有利于缓解模式崩溃的问题，从而达到更好的GANs训练结果。

主权项：1.一种用于缓解模式崩溃的GANs训练方法，其特征在于，包括下列步骤：步骤1，对真实数据集的数据图像进行采样，再使用生成对抗网络GANs的生成器随机模拟产生负样本，生成原始训练正负样本对；步骤2，分别对原始训练正负样本对进行图像裁剪，生成大小不同的正负样本的多组原始图像补丁；步骤3，用预训练的特征提取网络对原始图像补丁进行图像特征提取，得到对应的特征图补丁，再将其输入GANs的生成器；步骤4，设置GANs在训练时的目标函数为minG[maxDVD,G+λpLPG+λfLfG]，基于该目标函数对GANs的生成器和判别器进行交替训练优化，当满足预置的训练收敛条件时停止，得到训练好的用于目标图像生成器；其中，G表示生成器，D表示判别器，λp、λf分别为补丁样本的惩罚项LPG和指定网络层的补丁样本的惩罚项LfG权重系数，VD,G为生成对抗网络的基础目标函数，其用于使得生成器尽可能的生成逼真的图像数据，以及使得判别器更准确的区分输入图像是来自真实还是生成器生成；补丁样本的惩罚项表示生成器的第k卷积层的惩罚项；指定网络层的补丁样本的惩罚项其中，m表示特征提取网络的指定卷积层的层编号，表示指定卷积层集合中的卷积层m的惩罚项；其中，对任意第k卷积层，其对应的惩罚项的表达式为： 其中，μ、σ分别表示卷积层的输出特征图的平均值和标准偏差，其上标i为图像补丁的标识符，下标g、r分别用于区分生成图像和真实图像，n表示图像补丁数量。

全文数据：

权利要求：

百度查询： 电子科技大学 成都奇恩生物科技有限公司 一种用于缓解模式崩溃的GANs训练方法、设备及存储介质