[发明专利]一种图像生成器的训练方法、图像生成方法及装置

权利要求书

1.一种图像生成器的训练方法，其特征在于，包括：

基于生成器与辨别器的稀疏度，生成初始生成对抗网络模型；

基于样本数据对所述初始生成对抗网络模型进行迭代训练，并在迭代训练过程中，在满足模型更新条件的情况下，对当前迭代的生成器中各网络层的连接关系进行更新，对更新后的生成器以及当前迭代的辨别器继续进行迭代训练，直到满足结束条件，将训练完成的生成器确定为目标图像生成器。

2.根据权利要求1所述的方法，其特征在于，所述对当前迭代的生成器中各网络层的连接关系进行更新，包括：

基于所述当前迭代的生成器中当前各连接对应的连接参数，确定待更新连接，并在所述当前迭代的生成器中剔除所述待更新连接；

对于剔除所述待更新连接后的生成器，在未激活连接中进行随机采样，确定新增连接，将新增连接的连接参数设置为初始连接参数，得到更新生成器。

3.根据权利要求2所述的方法，其特征在于，所述连接对应的连接参数包括连接权重；

所述基于所述当前迭代的生成器中当前各连接对应的连接参数，确定待更新连接，包括：

基于各连接的连接权重的绝对值对各所述连接进行排序，基于扩展率将所述排序中对应排序范围的连接确定为待更新连接。

4.根据权利要求1所述的方法，其特征在于，所述基于生成器与辨别器的稀疏度，生成初始生成对抗网络模型，包括：

基于所述生成器的稀疏度对所述生成器中各网络层之间的连接进行随机采样，确定第一连接关系，基于所述第一连接关系生成初始生成器；

基于所述辨别器的稀疏度对所述辨别器中各网络层之间的连接进行随机采样，确定第二连接关系，基于所述第二连接关系生成初始辨别器，所述初始生成器和所述初始辨别器组成初始生成对抗网络模型。

5.根据权利要求4所述的方法，其特征在于，所述基于所述生成器的稀疏度对所述生成器中各网络层之间的连接进行随机采样，确定第一连接关系，包括：

获取所述生成器的第一基础结构参数，其中，所述第一基础结构参数包括所述生成器的网络层数、各网络层的神经元数；

基于所述生成器的稀疏度和所述第一基础结构参数中的一项或多项确定生成器中各网络层的第一连接概率，基于各网络层的第一连接概率对对应网络层间的连接进行随机采样，确定第一连接关系；

以及，

所述基于所述辨别器的稀疏度对所述辨别器中各网络层之间的连接进行随机采样，确定第二连接关系，包括：

获取所述辨别器的第二基础结构参数，其中，所述第二基础结构参数包括所述辨别器的网络层数、各网络层的神经元数；

基于所述辨别器的稀疏度和所述第二基础结构参数中的一项或多项确定辨别器中各网络层的第二连接概率，基于各网络层的第二连接概率对对应网络层间的连接进行随机采样，确定第二连接关系。

6.根据权利要求5所述的方法，其特征在于，基于所述生成器的稀疏度和所述第一基础结构参数中的一项或多项确定生成器中各网络层的第一连接概率，包括：

将所述生成器的稀疏度确定为各网络层的第一连接概率；

或者，

基于所述生成器的稀疏度和各网络层的总连接数，确定第一概率参数；

对于任一网络层，基于所述网络层的神经元数量、前一网络层的神经元数量以及第一概率参数确定所述网络层的第一连接概率；

以及，所述基于所述辨别器的稀疏度和所述第二基础结构参数中的一项或多项确定辨别器中各网络层的第二连接概率，包括：

将所述辨别器的稀疏度确定为各网络层的第二连接概率；

或者，

基于所述辨别器的稀疏度和各网络层的总连接数，确定第二概率参数；

对于任一网络层，基于所述网络层的神经元数量、前一网络层的所述辨别器的稀疏度以及第二概率参数确定所述网络层的第二连接概率。

7.根据权利要求1-6任一所述的方法，其特征在于，所述生成器的稀疏度大于所述辨别器的稀疏度。