基于线性注意力机制的单样本生成对抗网络研究.docx

? ? 基于线性注意力机制的单样本生成对抗网络研究* ? ? 陈 曦,赵红东,2,杨东旭,徐柯南,任星霖,封慧杰 (1.河北工业大学电子信息工程学院，天津 300401;2.光电信息控制和安全技术重点实验室，天津 300308) 1 引言 图像分析作为机器学习一个特别重要的应用领域，如何利用已有的信息合成出新的图像是该领域的重点研究内容。2014年，Goodfellow等人[1]创造性地利用零和博弈的思想提出了一种新的网络模型——生成对抗网络GANs(Generative Adversarial Networks)。经过不断的发展，GANs衍生出了许多优秀的模型。其中，将卷积神经网络引入GANs模型取得了巨大的成功[2]。传统的GANs训练需要海量的训练样本[3 - 5]。过去一段时间，研究人员将GANs生成样本的质量与训练集的容量进行绑定，认为只有海量的训练样本才可以训练出稳定的模型。但是，大多数情况下研究人员无法获得足够多的样本。因此，少样本甚至单样本训练逐渐成为关注的重点。在传统的少样本GANs训练中，通常会出现具有混合特征的生成图像，例如生成的小狗图像具有房子的特征信息[6]。出现这种现象的原因是生成器G(Generator)和判别器D(Discriminator)更多的是通过局部信息而非全局信息进行参数迭代。为了克服大量训练样本难以获取的困难，文献[7]在少样本研