[發明專利]訓練類條件生成對抗序列網絡

在審

• 申請號: 202010940591.6
• 申請日: 2020-09-09
• 公開（公告）號: CN112560886A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 張丹;A·霍列娃
• 申請（專利權）人: 羅伯特·博世有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06N3/08;B60W60/00
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 張凌苗;陳嵐

1.一種用于訓練生成對抗網絡（GAN）的計算機實現的方法（100），所述方法包括：

-訪問（110，120）：

-生成模型數據，其定義包括生成模型（G）和鑒別模型（D）的生成對抗網絡，

-生成對抗網絡的訓練數據，其包括訓練數據實例（x_d）和訓練數據標簽（y_d），其中數據標簽（y_d）表示來自類集合（）的類；

其中，生成模型（G）被配置為基于從潛在空間采樣的潛在向量（z）并且基于從類集合（）選擇的生成器輸入標簽（y_g）來生成合成輸出實例（x_g），并且其中，鑒別模型（D）被配置為對輸入實例（x）進行分類；

-交替地訓練生成模型和鑒別模型，

其中訓練（130）鑒別模型（D）包括使用相應的預測目標（y）在訓練數據實例（x_d）和合成輸出實例（x_g）上訓練（150）鑒別模型（D），其中訓練數據實例（x_d）的預測目標是訓練數據標簽（y_d），并且其中合成輸出實例（x_g）的預測目標是通過將生成器輸入標簽（y_g）分配給另一類集合（）來生成的，在所述另一類集合（）中，所述類集合中的每個類（c）由對應的另一類（c+ C）來表示；

其中訓練（160）生成模型（G）包括使用從鑒別模型（D）獲得的信息性信號來訓練（170）生成模型（G），其中信息性信號是根據鑒別模型（D）而輸入實例（x）屬于所述類集合的類（y=c）或者屬于所述另一類集合的對應類（y=c₊C）的相應條件概率的函數。

2.根據權利要求1所述的計算機實現的方法（100），其中信息性信號包括輸入實例（x）屬于所述類集合的類（y=c）的第一條件概率（）和輸入實例（x）屬于所述另一類集合的對應類（y=c₊C）的第二條件概率（）的對數概率比（）。

3.根據權利要求1所述的計算機實現的方法（100），其中訓練生成模型（G）包括使用第一條件概率和第二條件概率的對數概率比來最小化KL散度（）。