[發(fā)明專利]一種基于文本?圖像生成對抗網(wǎng)絡(luò)模型的分組卷積方法

在審

• 申請?zhí)枺?/td>: 201711122564.2
• 申請日: 2017-11-14
• 公開（公告）號: CN107862377A
• 公開（公告）日: 2018-03-30
• 發(fā)明（設(shè)計）人: 周智恒;李立軍;黃俊楚
• 申請（專利權(quán)）人: 華南理工大學(xué)
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 廣州市華學(xué)知識產(chǎn)權(quán)代理有限公司44245
• 代理人: 李斌

1.一種基于文本-圖像生成對抗網(wǎng)絡(luò)模型的分組卷積方法，其特征在于，所述的分組卷積方法包括下列步驟：

S1、構(gòu)造文本-圖像生成對抗網(wǎng)絡(luò)模型，生成器通過生成圖像輸入至判別器進行網(wǎng)絡(luò)訓(xùn)練；

S2、利用深度卷積神經(jīng)網(wǎng)絡(luò)充當(dāng)生成器、判別器的功能；

S3、對文本進行編碼之后與隨機噪聲結(jié)合，輸入至生成器中；

S4、將卷積層分組，使卷積操作在多個GPU上同時進行；

S5、將各個分組得到的特征圖進行融合，更新?lián)p失函數(shù)，進行后續(xù)訓(xùn)練。

2.根據(jù)權(quán)利要求1所述的一種基于文本-圖像生成對抗網(wǎng)絡(luò)模型的分組卷積方法，其特征在于，所述的步驟S4具體過程如下：

S41、設(shè)定卷積的分組數(shù)量為N；

S42、將卷積操作分配到N個GPU上同時進行。

3.根據(jù)權(quán)利要求1所述的一種基于文本-圖像生成對抗網(wǎng)絡(luò)模型的分組卷積方法，其特征在于，所述的步驟S5具體過程如下：

S51、收集N個GPU卷積之后所得到的特征圖；

S52、將各個分組得到的特征圖進行融合，更新?lián)p失函數(shù)，進行后續(xù)訓(xùn)練；

S53、將所有損失函數(shù)的均值輸入至生成器中繼續(xù)進行訓(xùn)練。

4.根據(jù)權(quán)利要求1所述的一種基于文本-圖像生成對抗網(wǎng)絡(luò)模型的分組卷積方法，其特征在于，

所述的損失函數(shù)的表達式為：

L(D)=-Ex~pr[D(x)]+Ex~pg[D(x)]+λEx~X▿x]]>

其中，D(x)表示判別器對圖像的判別，pr表示數(shù)據(jù)集圖像的分布，pg表示生成圖像的分布，λ為超參數(shù)，為梯度，E為取均值的操作符號。