生成式对抗网络在手写字的性能分析

摘要

针对深度卷积神经网络(DCNN,deep convolutional neural network)广泛应用在生成式对抗网络(GAN,generativeadversarial networks)中并取得优异的效果,为了探究不同结构的模型生成的图片质量各异的原因,实验对比GAN、DCGAN、WGAN-GP、InfoGAN等模型在手写字数据集(Mnist)的生成模型损失函数、判别模型损失函数以及图片质量。通过对比实验表明,InfoGAN通过计算数据之间的互信息影响生成新数据的方式,其生成式模型损失函数和判别式模型损失函数极值均小于1.0,远远小于其他模型,随着迭代次数的增加,损失函数曲线较为稳定,且图像生成质量更佳。