[发明专利]一种基于文本‑图像生成对抗网络模型的分组卷积方法

权利要求书

1.一种基于文本-图像生成对抗网络模型的分组卷积方法，其特征在于，所述的分组卷积方法包括下列步骤：

S1、构造文本-图像生成对抗网络模型，生成器通过生成图像输入至判别器进行网络训练；

S2、利用深度卷积神经网络充当生成器、判别器的功能；

S3、对文本进行编码之后与随机噪声结合，输入至生成器中；

S4、将卷积层分组，使卷积操作在多个GPU上同时进行；

S5、将各个分组得到的特征图进行融合，更新损失函数，进行后续训练。

2.根据权利要求1所述的一种基于文本-图像生成对抗网络模型的分组卷积方法，其特征在于，所述的步骤S4具体过程如下：

S41、设定卷积的分组数量为N；

S42、将卷积操作分配到N个GPU上同时进行。

3.根据权利要求1所述的一种基于文本-图像生成对抗网络模型的分组卷积方法，其特征在于，所述的步骤S5具体过程如下：

S51、收集N个GPU卷积之后所得到的特征图；

S52、将各个分组得到的特征图进行融合，更新损失函数，进行后续训练；

S53、将所有损失函数的均值输入至生成器中继续进行训练。

4.根据权利要求1所述的一种基于文本-图像生成对抗网络模型的分组卷积方法，其特征在于，

所述的损失函数的表达式为：

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

其中，D(x)表示判别器对图像的判别，pr表示数据集图像的分布，pg表示生成图像的分布，λ为超参数，为梯度，E为取均值的操作符号。