[发明专利]基于跨域对偶生成式对抗网络的偏见消除方法与装置

权利要求书

1.一种基于跨域对偶生成式对抗网络的偏见消除方法，其特征在于，包括以下步骤：

(1)采集图像数据，并标记图像数据的任务标签和受保护属性，将任务标签、受保护属性与图像数据构成一个样本图像，组成样本集，根据任务标签不同将样本集分成U域样本集和V域样本集，U域样本集中样本图像u和V域样本集中的样本图像v组成一个样本对；

(2)基于跨域对偶生成式对抗网络构建训练系统，包括生成器GA、判别器DA、生成器GB、判别器DB，样本对中样本图像u和样本图像v分别输入至生成器GA、生成器GB中，并为生成器GA和生成器GB分别添加噪声信息z和噪声信息z’，样本图像u与噪声信息z经过生成器GA编码的生成图像G_A(u,z)再与噪声信息z’经过生成器GB编码得到生成图像G_B(G_A(u,z),z')，样本图像v与噪声信息z’经过生成器GB编码的生成图像G_B(v,z')再与噪声信息z经过生成器GA编码得到生成图像G_A(G_B(u,z'),z)，判别器DA判别生成图像G_A(u,z)与样本图像v的真伪，判别器DB判别生成图像G_B(v,z')与样本图像u的真伪；

(3)构建损失函数，根据生成图像G_A(u,z)与样本图像v之间的距离构建判别器DA的第一损失函数；根据生成图像G_B(v,z’)与样本图像u之间的距离构建判别器DB的第二损失函数，根据所有生成图像和样本图像之间的距离构建第一部分损失，根据任务标签和判别标签的交叉熵、受保护属性与编码特征的交叉熵构建第二部分损失，第一部分损失和第二部分损失组成生成器GA和生成器GB的第三损失函数；

(4)利用第一损失函数、第二损失函数以及第三损失函数对训练系统进行对抗训练，训练结束后，提取参数确定的生成器GA和GB作为两个图像迁移模型；

(5)应用时，将图像对分别输入至两个图像迁移模型，经计算生成图像域迁移的两张迁移图像。

2.如权利要求1所述的基于跨域对偶生成式对抗网络的偏见消除方法，其特征在于，所述第一损失函数为：

第二损失函数为：

其中，D_A(v)为样本图像v输入至判别器DA得到的预测判别结果，D_A(G_A(u,z))为生成图像G_A(u,z)输入至判别器DA得到的预测判别结果，D_B(u)为样本图像u输入至判别器DB得到的预测判别结果，D_B(G_B(v,z'))为生成图像G_B(v,z')输入至判别器DB得到的预测判别结果。