一种基于有限数据的改进DCGAN图像生成方法

作者：王士斌^*; 高梓雕; 刘栋

来源：河南师范大学学报(自然科学版), 2023, 51(06): 39-46.

DOI：10.16366/j.cnki.1000-2367.2023.06.005

• 图像生成
• 生成对抗网络
• 正则化
• 保真度

生成对抗网络(Generative Adversarial Network, GAN)的成功主要依赖于大量的数据进行模型训练.当训练数据有限时，GAN生成图像会产生保真度低和模型不稳定等问题.针对以上问题，基于深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks, DCGAN)提出一种改进模型，称为LC-DCGAN(LeCam Deep Convolutional Generative Adversarial Networks),通过引入两个指数移动平均变量，减少小批量之间的方差，并且来稳定正则化项，使其判别器的预测逐渐收敛到平稳点.实验结果表明，该模型在有限数据下可以生成高质量、缺陷类型丰富的缺陷样本数据集.

• 单位
  河南师范大学