[發明專利]一種多目標深度卷積生成式對抗網絡模型的學習方法

在審

• 申請號: 201711442778.8
• 申請日: 2017-12-25
• 公開（公告）號: CN108171266A
• 公開（公告）日: 2018-06-15
• 發明（設計）人: 趙佳琦;夏士雄;周勇;牛強;姚睿;袁冠;孟凡榮
• 申請（專利權）人: 中國礦業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 王美章

1.一種多目標深度卷積生成式對抗網絡模型的學習方法，其特征在于,包括以下幾個步驟：

(1)種群初始化：

采用隨機生成方式初始化n個生成器G和n個判別器D的參數，并且按照順序組合成n組生成式對抗網絡；

(2)局部搜索階段：

單獨訓練n組生成式對抗網絡，更新n組生成式對抗網絡中的生成器和判別器的參數；

(3)種群產生和種群評估：

不同的生成器和判別器通過相互兩兩組合，可以得到n×n組深度卷積生成式對抗網絡模型，可以得到每個生成式對抗網絡組合的目標函數的評估值；

(4)基于Pareto占優的選擇策略：

采用Pareto占優機制在每次迭代過程中選擇潛在最優的生成網絡和對抗網絡的組合進行后期的模型訓練；

(5)全局搜索階段：

采用交叉算子實現不同網絡模型之間參數信息的交互，并且結合演化算法的全局搜索和梯度下降算法的快速局部搜索保證新提出的學習框架的準確性和有效性；

(6)圖像生成階段：

模型參數訓練結束，可以通過已訓練好的生成器輸入隨機噪聲生成圖像。

2.根據權利要求1所述的多目標深度卷積生成式對抗網絡模型的學習方法，其特征在于，步驟(1)中所述的種群初始化具體步驟如下：

第一步，設置深度卷積生成式對抗網絡中生成器G的結構；

第二步，設置深度卷積生成式對抗網絡中判別器D的結構；

第三步，采用隨機生成方式初始化n個生成器和n個判別器參數其中，

θ_g表示單個生成器的參數，

θ_d表示單個判別器的參數，

Θ_G表示種群中包含所有生成器的參數，

Θ_D表示種群中包含所有判別器的參數；它們按照順序組合成n組生成式對抗網絡：其中，

<θ_g,θ_d>表示一組生成式判別器，

Θ_GAN表示多組生成式判別網絡。

3.根據權利要求1所述的多目標深度卷積生成式對抗網絡模型的學習方法，其特征在于，步驟(2)所述的訓練多個生成對抗網絡的具體步驟如下：

對于每一個生成對抗網絡，向生成器G輸入100維的服從均勻分布的噪聲z，將無標簽數據和生成器G生成的數據樣本輸入判別器D，生成器G和判別器D互相競爭對抗學習訓練，更新網絡中參數。