摘要
訓練サンプル数が不足している場合や反復回数が減少した場合に生成画像の品質が急激に低下する問題に対処するため、改良されたFisher基準に基づく深層畳み込み生成対抗ネットワークアルゴリズム（FDCGAN）を提案した。本手法は識別モデルに線形層を追加し、クラス情報を抽出する。逆伝播の際にFisherに基づく制約基準を用い、ラベルとクラス情報を組み合わせることで、重みの反復調整時に誤差の最小化と同時にクラス内距離を小さく、クラス間距離を大きく保ち、重みがより速く最適値に近づくことを可能にする。最新の6つの異なるネットワークモデルとの比較実験により、FDCGANモデルはFID指標で良好な結果を得た。さらに、本手法を現行の先進モデルに適用した汎化テストにおいても、実験結果は良好であった。
关键词
深層畳み込み生成対抗ネットワーク;Fisher基準;逆伝播アルゴリズム;FID評価指標
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website