声明
第1章 绪论
1.1 课题背景及研究意义
1.1.1课题背景
1.1.2研究意义
1.2 国内外研究现状
1.2.1 深度学习研究现状
1.2.2 GAN(生成对抗网络)发展研究现状
1.3 本文主要工作
1.4 本文组织结构
第2章 深度学习及GAN的相关技术
2.1 神经网络的发展历史
2.2本文相关深度学习技术概念介绍
2.2.1卷积运算
2.2.2转置卷积
2.2.3卷积神经网络
2.2.4池化
2.2.5激活函数
2.2.6 GAN相关概念
2.2.7 LSTM
2.2.8残差网络
2.2.9反向传播算法
第3章 基于LSTM及DCGAN将语言描述生成图像
3.1 基于LSTM算法及GAN算法的语言生成图像方法模型
3.2 知识要点介绍
3.2.1独热码(one-hot code)词嵌入(word embedding)
3.2.2 Batch Normalization
3.2.3 Adam更新方法
3.3 实验结果展示与分析
3.3.1 实验结果展示
3.3.2 实验结果分析
第4章 基于DCGAN与残差网络的大图像生成方法
4.1实验模型简介
4.2 多层卷积的作用
4.3 实验结果展示与分析
第5章 总结与展望
5.1 工作总结
5.2 工作展望
参考文献
攻读硕士学位期间发表的学术论文及科研工作
致谢