用对抗性学习和判别性学习来迁移生成式对抗网络的方法

摘要

本发明公开了用对抗性学习和判别性学习来迁移生成式对抗网络的方法，它包括：S1.准备图片数据集；S2.构建预训练GAN模型；S3.通过参数迁移构建ADT‑GAN模型；S4.训练ADT‑GANc。上述ADT‑GAN模型利用迁移学习，在源域图像数据集训练的预训练GAN模型的基础上通过参数传递，初始化生成器和判别器。添加域判别器，通过优化由对抗目标函数和域判别目标函数组成的总目标函数，来驱动生成器生成目标域的图像数据，并避免负迁移。从而提高在小型目标域数据集上的训练性能，减少迭代次数，提高图像生成质量。