[发明专利]一种生成对抗网络的稳定训练方法

权利要求书

1.一种生成对抗网络的稳定训练方法，所述方法适于在计算设备中执行，包括：

将训练图像输入自编码器中进行处理，得到第一生成图像；

基于训练图像与第一生成图像之间的损失值，训练得到预训练的生成器，具体包括：

计算训练图像与第一生成图像之间的第一损失值；

将训练图像和第一生成图像分别输入VGG网络中，得到至少一个训练图像的特征图和第一生成图像的特征图；

计算训练图像的特征图与对应的第一生成图像的特征图之间的第二损失值；以及

基于第一损失值和第二损失值的加权和，调整自编码器的参数，以将训练后的解码器作为预训练的生成器；

以及

基于训练图像和经预训练的生成器生成的第二生成图像，对预训练的生成器和判别器进行训练，并基于训练结束时对应的生成器和判别器，得到生成对抗网络。

2.如权利要求1所述的方法，其中，所述自编码器包括相互耦接的编码器和解码器，所述将训练图像输入自编码器中进行处理的步骤包括：

将训练图像输入编码器中进行编码得到隐变量；

将隐变量输入解码器中解码得到第一生成图像。

3.如权利要求1所述的方法，其中，

基于L1范数损失函数计算第一损失值；

基于L2范数损失函数计算第二损失值。

4.如权利要求1所述的方法，其中，所述将训练图像和预训练的生成器生成的第二生成图像分别输入判别器中进行训练的步骤包括：

将随机噪声向量输入预训练的生成器，得到第二生成图像；

将训练图像和第二生成图像分别输入判别器中，以输出训练图像的判别值和第二生成图像的判别值，并基于训练图像的判别值和第二生成图像的判别值，利用判别损失函数计算第三损失值；以及

基于第三损失值，更新预训练的生成器和判别器的网络参数；

重复所述得到第二生成图像、计算第三损失值和更新网络参数的步骤，直到满足预定条件，训练结束。

5.如权利要求4所述的方法，其中，基于下述公式计算判别损失函数的损失值：

其中，D(x)为训练图像的判别值，为第二生成图像的判别值。

6.如权利要求1所述的方法，其中，所述生成器和判别器均为卷积神经网络，包括多个卷积处理层，所述卷积处理层包括卷积层、批量归一化层和激活层。

7.如权利要求6所述的方法，其中，所述生成器的输出层使用tanh激活函数。

8.一种计算设备，包括：

存储器；

一个或多个处理器；

一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1-7所述方法中的任一方法的指令。

9.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当计算设备执行时，使得所述计算设备执行根据权利要求1-7所述的方法中的任一方法。