[发明专利]一种融合自注意力机制的生成对抗网络方法在审
| 申请号： | 201910272879.8 | 申请日： | 2019-04-04 |
| 公开（公告）号： | CN109978165A | 公开（公告）日： | 2019-07-05 |
| 发明（设计）人： | 黄宏宇;谷子丰 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 北京同恒源知识产权代理有限公司 11275 | 代理人： | 赵荣之 |
| 地址： | 400044 重*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种融合自注意力机制的生成对抗网络方法，属于计算机视觉领域，特别是涉及到进行图像生成的生成对抗网络。图像的生成是计算机视觉领域的一项重要挑战，如果能够生成大量的高质量图像样本，在这个依赖大数据背景下的时代，人工智能领域能够得到更迅速的发展。因此，本发明提出一种融合自注意力机制的生成对抗网络，该网络可以生成高质量的图像，同时图像又具有较高的多样性。具体而言，生成对抗网络对于生成器与判别器分布的评估标准改用Wasserstein距离来衡量，损失函数进行相应的改进；同时在生成器与判别器对应的神经网络架构中均引入自注意力机制，提高生成图像局部像素区域之间的关联性，由此提高生成图像的质量。 | ||
| 搜索关键词： | 注意力机制 对抗 网络 计算机视觉领域 生成图像 判别器 生成器 图像 融合 人工智能领域 高质量图像 局部像素 评估标准 神经网络 损失函数 图像生成 大数据 关联性 样本 架构 多样性 衡量 引入 改进 挑战 | ||
【主权项】：
1.一种融合自注意力机制的生成对抗网络方法，其特征在于：该方法包括以下步骤：S1：对于评估生成器与判别器数据分布之间差异的标准进行了替换，使用Wasserstein距离对两者数据分布之间的差异进行评估；评估标准改用Wasserstein距离后，损失函数也进行改进，最终能够提高生成图像数据的多样性；S2：在融合了自注意力机制的生成对抗网络在其生成器与判别器对应的神经网络架构中均引入自注意力机制；S3：在融合了自注意力机制的生成对抗网络中，运行自注意力机制。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆大学，未经重庆大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910272879.8/，转载请声明来源钻瓜专利网。
