龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：江南大学
摘要：本发明公开了一种采用基于混合专家模型的生成式对抗网络的图像生成方法，属于图像分类技术领域。该方法通过设计基于混合专家模型的生成式对抗网络，实现对生成过程的更精细控制和更高效的参数利用。从而提高了生成图像的质量和多样性，还增强了模型对复杂数据分布的学习能力。进一步的，本申请方法还设计了多模态数据融合网络，能够基于图像、文本、音频等不同模态的数据的信息生成新的图像；此外，本发明还引入了一种新的损失函数，不仅考虑了生成图像与真实图像之间的相似度，还考虑了专家网络之间的协作和平衡，进一步优化了生成对抗网络的训练过程，进而提高了图像生成质量，提高了图像分类精度。
主权项：1.一种采用基于混合专家模型的生成式对抗网络的图像生成方法，其特征在于，所述方法包括：步骤1，构建训练数据样本集；步骤2，对样本集中的数据进行预处理；步骤3，构建基于混合专家模型的生成式对抗网络中的生成器网络模型，所述生成器网络模型的损失函数包括对抗损失项、专家网络损失项、门控网络损失项、专家平衡损失项；步骤4，构建混合专家模型的生成式对抗网络中的判别器网络模型；步骤5，迭代优化训练生成器网络模型和判别器网络模型；步骤6，训练完成后，针对具体应用场景使用混合专家模型的生成式对抗网络中的生成器部分生成新的图像；所述生成器网络模型包括个专家网络和一个门控网络，其中每个专家网络专注于生成数据的不同方面或特征，门控网络用于动态调整各专家的权重和贡献度；所述生成器网络模型的损失函数为： 其中，是生成器的总损失函数，是对抗损失项，是专家网络损失项，是门控网络损失项，是专家平衡损失项，是各损失项相应的权重系数，用于平衡不同损失项的重要性； 对抗损失项中，是生成器，是判别器，是从先验噪声分布中采样的噪声向量；专家网络损失项中，是专家网络的数量，是第个专家网络，是第个专家网络的损失函数，是第个专家网络对应的权重系数；门控网络损失项中，是门控网络为第个专家网络分配的权重系数；专家平衡损失项中，是用于平衡各个专家网络的权重系数，是专家网络的数量，表示L2范数。
全文数据：
权利要求：
百度查询： 江南大学 采用基于混合专家模型的生成式对抗网络的图像生成方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号