融合胶囊网络的文本-图像生成对抗模型

摘要：

在传统文本-图像对抗模型的实现中,判别器中的卷积网络用于提取图像特征,但是卷积网络无法考虑到底层对象之间的空间关系,导致生成图像的质量较差,而胶囊网络是一种有效的解决方法.基于胶囊网络的方法对传统的文本条件式生成对抗网络模型进行了改进,将判别器中卷积网络换为胶囊网络,增强其对图像的鲁棒性.在Oxford-102和CUB数据集上的实验结果表明新模型可以有效提高生成质量,生成花卉图像的FID的数值降低了14.49％,生成鸟类的图像的FID的数值降低了9.64％.在Oxford-102和CUB两个数据集上生成图像的Inception Score分别提高了22.60％和26.28％,说明改进后模型生成的图片特征更丰富、更有意义.

关键词：生成图像、胶囊网络、生成对抗网络、卷积网络、鲁棒性

所属期刊栏目：57

分类号：TP181(自动化基础理论)

资助基金：山西省自然科学基金;科技创新项目

在线出版日期：2021-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：176-180