计算机工程

作者：刘其开,姜代红,李文吉

单位：1.中国矿业大学 信息与控制工程学院,江苏 徐州 221116; 2.徐州工程学院 信电工程学院,江苏 徐州 221111; 3.中国国土资源航空物探遥感中心 国土资源部航空地球物理与遥感地质重点实验室,北京 100083

关键词：生成对抗网络,模式崩溃,特征级损失,分段损失,半监督学习

基金：国家自然科学基金(51574232);国土资源部航空地球物理与遥感地质重点实验室航遥青年创新基金(2016YFL02);徐州市科技计划项目(KC16SQ78)。

生成对抗网络(GAN)在训练过程中未能有效进行生成器与鉴别器间的同步更新,导致模型训练不稳定并出现模式崩溃的现象。为此,提出一种基于分段损失的生成对抗网络PL-GAN。生成器在不同的训练时期采用不同形式的损失函数,同时引入真实样本与生成样本之间的特征级损失,从而使鉴别器提取的特征更具有鲁棒性。MNIST和CIFAR-10数据集上的实验结果表明,与regular GAN、feature-wise GAN相比,PL-GAN具有更高的分类精度与运行效率。

来源：2019年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第5期