基于StarGAN的多属性风格图像生成的轻量化网络

作     者：孙志伟 曾令贤 马永军 SUN Zhiwei;ZENG Lingxian;MA Yongjun

作者机构：天津科技大学人工智能学院天津300457 

基　　金：国家自然科学基金资助项目(61976156) 天津市自然科学基金资助项目(18JCQNJC69500) 

出 版 物：《天津科技大学学报》 (Journal of Tianjin University of Science & Technology)

年 卷 期：2024年第39卷第1期

页      码：57-64页

摘      要：生成对抗网络已广泛用于图像到图像的翻译任务,其中多属性变换得到了越来越多的研究和应用,目前网络架构的参数多而且模型复杂,需要较高的计算能力和存储成本;网络压缩技术如蒸馏和剪枝,主要侧重于视觉识别任务,很少实现对生成任务的压缩。本文提出了一种利用StarGAN的低级和高级特征训练参数较少的学生网络(stuStarGAN)的方法,首先采用知识蒸馏对生成器进行蒸馏,并设计学生判别器让教师判别器蒸馏学生判别器;然后在学生网络设计中采用skip-connection进行跨模块的特征融合;接着增加内容损失函数保持生成图像和原图像的内容信息的一致性;最后采用深度可分离卷积进一步降低参数量并提高图像生成质量。在CelebA和Fer2013数据集上的实验结果表明:模型能够在保证生成质量不降低的情况下,用较少参数生成多属性风格的图像,可以方便地移植到多种应用场景。

主 题 词：生成对抗网络 知识蒸馏 skip-connection 深度可分离卷积 内容损失 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.13364/j.issn.1672-6510.20230048

馆 藏 号：203126085...