[发明专利]生成对抗网络的训练方法和装置、图像生成方法和设备

权利要求书

1.一种生成对抗网络的训练方法，包括：

对隐空间样本进行自适应增强；

将增强后的隐空间样本输入生成对抗网络的生成器，生成正样本对和负样本对的伪造图像；

基于真实图像、正样本对和负样本对的伪造图像，对生成对抗网络进行训练。

2.根据权利要求1所述的训练方法，其中，所述基于真实图像和正样本对和负样本对的伪造图像，对生成对抗网络进行训练包括：

对真实图像、正样本对和负样本对的伪造图像进行数据增强；

对数据增强后的真实图像、正样本对和负样本对的伪造图像分别进行特征提取；

根据数据增强后的真实图像、正样本对和负样本对的伪造图像提取的特征，确定生成对抗网络的生成器的目标函数和判别器的目标函数；

根据生成器的目标函数和判别器的目标函数，对生成对抗网络进行训练。

3.根据权利要求2所述的训练方法，其中，所述根据数据增强后的真实图像、正样本对和负样本对的伪造图像提取的特征，确定生成对抗网络的生成器的目标函数和判别器的目标函数包括：

根据真实图像、正样本对和负样本对的伪造图像提取的特征，确定生成器的损失函数和判别器的损失函数；

对正样本对和负样本对的伪造图像提取的特征进行对比学习，确定对比损耗；

根据生成器的损失函数、判别器的损失函数和对比损耗，确定生成器的目标函数和判别器的目标函数。

4.根据权利要求1-3中任一项所述的训练方法，其中，所述对隐空间样本进行自适应增强包括：

根据隐空间采样值确定对应的隐空间扰动值；

根据隐空间采样值和相应的隐空间扰动值，确定对比学习的正样本对和负样本对。

5.根据权利要求4所述的训练方法，其中，所述根据隐空间采样值确定对应的隐空间扰动值包括：

对于正态分布的隐空间，根据隐空间采样值的绝对值确定对应的隐空间扰动值。

6.根据权利要求4所述的训练方法，其中，所述根据隐空间采样值和相应的隐空间扰动值，确定对比学习的正样本对和负样本对包括：

将隐空间采样值作为正样本对中的查询值；

根据隐空间采样值和相应的隐空间扰动值确定正样本对中的键值；

将隐空间采样值和负样本作为负样本对，其中，负样本为除隐空间采样值外的其它样本值。

7.根据权利要求6所述的训练方法，还包括：

根据训练的迭代数确定队列的队列长度；

采用所述队列来存储隐空间采样值的负样本。

8.根据权利要求6所述的训练方法，其中，对数据增强后的正样本对和负样本对的伪造图像提取的特征进行对比学习，确定对比损耗包括：

根据正样本对中查询值对应伪造图像所提取的特征、正样本对中键值对应伪造图像所提取的特征、以及负样本对应伪造图像所提取的特征，确定对比损耗。

9.根据权利要求8所述的训练方法，还包括：

根据温度系数和产生负样本的迭代次数，确定队列的遗忘因子；

根据所述遗忘因子，调整负样本对应伪造图像所提取的特征对对比损耗的影响程度。

10.一种图像生成方法，包括：

将真实图像输入生成对抗网络，生成伪造图像，其中，所述生成对抗网络为采用如权利要求1-9中任一项所述的训练方法训练得到的。

11.一种生成对抗网络的训练装置，包括：

隐空间增强模块，被配置为对隐空间样本进行自适应增强；

伪造图像生成模块，被配置为将增强后的隐空间样本输入生成对抗网络的生成器，生成正样本对和负样本对的伪造图像；

训练模块，被配置为基于真实图像、正样本对和负样本对的伪造图像，对生成对抗网络进行训练。