基于子样本集构建的DCGANs训练方法

摘要

深度卷积生成式对抗网络(Deep convolutional generative adversarial networks,DCGANs)是一种改进的生成式对抗网络,尽管生成图像效果比传统GANs有较大提升,但在训练方法上依然存在改进的空间.本文提出了一种基于训练图像子样本集构建的DCGANs训练方法.推导给出了DCGANs的生成样本、子样本与总体样本的统计分布关系,结果表明子样本集分布越趋近于总体样本集,则生成样本集也越接近总体样本集.设计了基于样本一阶颜色矩和清晰度的特征空间的子样本集构建方法,通过改进的按概率抽样方法使得构建的子样本集之间近似独立同分布并且趋近于总体样本集分布.为验证本文方法效果,利用卡通人脸图像和Cifar10图像集,对比分析本文构建子样本集与随机选取样本的DCGANs训练方法以及其他训练策略实验结果.结果表明,在Batchsize约为2000的条件下,测试误差、KL距离、起始分数指标有所提高,从而得到更好的生成图像.