多层感知器深度卷积生成对抗网络

摘要

生成对抗网络(GAN)是目前图像生成领域中一种新的、有效的训练生成模型方法.深度卷积生成对抗网络(DCGAN)作为GAN的一种延伸,将卷积神经网络引入到生成模型中进行无监督训练.但DCGAN的线性卷积层对于下层数据块是一个广义线性模型,其抽象层次较低,生成的图像质量不高,并且在模型性能度量方面仅以主观的视觉感受来评判图像质量.针对以上问题,文中提出了一种多层感知器深度卷积生成对抗网络(MPDCGAN),采用多层感知器卷积层取代广义线性模型在输入数据上进行卷积,以捕获图像更深层次的特征,并采用定量评估方法Frechet Inception Distance(FID)衡量图像生成质量.在4种基准数据集上的实验结果表明,采用MPDCGAN生成的图像的FID值与图像质量呈负相关关系,且图像生成质量随着FID值的降低得到了进一步的提高.