结合混合注意力的双判别生成对抗网络

作     者：王磊 杨军 张驰宇 代在燕 WANG Lei;YANG Jun;ZHANG Chiyu;DAI Zaiyan

作者机构：四川师范大学计算机科学学院成都610101 

基　　金：国家自然科学基金(61373163) 四川省自然科学基金(2022NSFSC0552) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年第60卷第7期

页      码：212-221页

摘      要：图像生成任务中,如何提升生成图片的质量是一个关键问题。当前,生成对抗网络采用的多层卷积结构存在局部性归纳偏置的问题,无法准确聚焦关键信息,导致图像特征丢失严重,生成图像效果较差。为此,提出了结合混合注意力的双判别生成对抗网络(DDMA-GAN)。设计了一种混合注意力机制,利用通道注意力和空间注意力模块,从两个维度充分捕获图像特征信息;为解决单判别器存在判别误差的问题,提出一种双判别器结构,使用融合系数将判定结果融合,使回传参数更具客观性,并嵌入数据增强模块,进一步提升模型鲁棒性;采用铰链损失作为模型损失函数,最大化真假样本间的距离,明确决策边界。模型在公开数据集LSUN和CelebA上进行验证,实验结果表明,DDMA-GAN生成的图像更加真实,纹理细节更加丰富,其FID和MMD值均显著降低且优于其他常见模型,证明了模型的有效性。

主 题 词：图像生成 卷积神经网络 混合注意力 双判别器 数据增强 生成对抗网络 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3778/j.issn.1002-8331.2211-0196

馆 藏 号：203127308...