在深度學(xué)習(xí)發(fā)展下,計(jì)算機(jī)對事物的認(rèn)知不再局限于對數(shù)據(jù)進(jìn)行分類,識別和定位上,同時(shí)可以實(shí)現(xiàn)數(shù)據(jù)的生成,是對數(shù)據(jù)的高維理解。古有云“知其然,知其所以然”,當(dāng)可以對數(shù)據(jù)進(jìn)行高維建模時(shí),數(shù)據(jù)在認(rèn)知層面上將上升到一個(gè)新的階段。變分自編碼器（VAE）開啟了數(shù)據(jù)生成的大門;基于流的Glow實(shí)現(xiàn)了數(shù)據(jù)的逆映射;生成對抗網(wǎng)絡(luò)（GAN）判別器和生成器的博弈更新讓模型在數(shù)據(jù)擬合上實(shí)現(xiàn)了從無到有的建模,這不僅在低維數(shù)據(jù)的合成上,在高維數(shù)據(jù)的生成上也展示強(qiáng)大的能力。然而VAE在生成上是模糊的,Glow龐大的計(jì)算量成為限制發(fā)展的因素,GAN在數(shù)據(jù)生成階段存在著訓(xùn)練不穩(wěn)定,生成的數(shù)據(jù)多樣性不足的問題。如何實(shí)現(xiàn)生成模型的平衡和優(yōu)秀的性能,一直備受矚目。值得注意的是GAN的輸入是隨機(jī)噪聲,這讓生成器完全實(shí)現(xiàn)的是無中生有的任務(wù),而VAE則是從數(shù)據(jù)的編碼出發(fā),得到數(shù)據(jù)的隱空間后再對數(shù)據(jù)進(jìn)行生成。如何利用包含數(shù)據(jù)隱含信息的低維隱空間指導(dǎo)生成對抗網(wǎng)絡(luò),是實(shí)現(xiàn)數(shù)據(jù)高質(zhì)量合成的一個(gè)關(guān)鍵點(diǎn)。本文通過學(xué)習(xí)任意數(shù)據(jù)隱空間分布,將之饋送到生成器中指導(dǎo)生成逼真的數(shù)據(jù)。這不僅實(shí)現(xiàn)了GAN在訓(xùn)練階段的穩(wěn)定,也改善了數(shù)據(jù)的多樣性不足的問題,同時(shí)在... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容及結(jié)構(gòu)安排
第二章 生成模型的概述
    2.1 引言
    2.2 基于生成對抗網(wǎng)絡(luò)的生成模型
        2.2.1 生成對抗網(wǎng)絡(luò)的概述
        2.2.2 生成對抗網(wǎng)絡(luò)存在的問題及改進(jìn)
    2.3 基于自編碼器的生成模型
        2.3.1 自編碼器
        2.3.2 變分自編碼器
        2.3.3 對抗自編碼器
    2.4 基于流的生成模型
    2.5 本章小結(jié)
第三章 數(shù)據(jù)隱空間分布
    3.1 引言
    3.2 數(shù)據(jù)隱空間分布的表示
        3.2.1 數(shù)據(jù)編碼下隱空間分布表示
        3.2.2 基于先驗(yàn)分布的數(shù)據(jù)隱空間分布表示
    3.3 任意分布下的隱空間學(xué)習(xí)
        3.3.1 網(wǎng)絡(luò)結(jié)構(gòu)及原理
        3.3.2 損失函數(shù)
        3.3.3 網(wǎng)絡(luò)訓(xùn)練機(jī)制
    3.4 實(shí)驗(yàn)
        3.4.1 數(shù)據(jù)集介紹
        3.4.2 隱空間分布表征
        3.4.3 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
第四章 隱空間與生成對抗網(wǎng)絡(luò)的結(jié)合
    4.1 引言
    4.2 變分自編碼器和生成對抗網(wǎng)絡(luò)的結(jié)合
        4.2.1 對抗自編碼器與GAN的結(jié)合
        4.2.2 VAE與 GAN的結(jié)合
    4.3 隱空間任意分布與生成對抗網(wǎng)絡(luò)的結(jié)合
        4.3.1 網(wǎng)絡(luò)結(jié)構(gòu)和原理
        4.3.2 監(jiān)督式生成模型
        4.3.3 模型設(shè)計(jì)細(xì)節(jié)和技巧
        4.3.4 模型訓(xùn)練和網(wǎng)絡(luò)參數(shù)
    4.4 實(shí)驗(yàn)
        4.4.1 數(shù)據(jù)集及性能評估標(biāo)準(zhǔn)
        4.4.2 基準(zhǔn)模型
        4.4.3 模型的對比實(shí)驗(yàn)
        4.4.4 消融實(shí)驗(yàn)
    4.5 本章小結(jié)
第五章 CAE-CGAN在圖像翻譯下的應(yīng)用
    5.1 引言
    5.2 圖像翻譯下的應(yīng)用
        5.2.1 圖像翻譯的概述
        5.2.2 任意隱空間分布表示下圖像翻譯
    5.3 基于CAE-CGAN圖像轉(zhuǎn)換的拓展應(yīng)用
    5.4 實(shí)驗(yàn)
        5.4.1 數(shù)據(jù)集介紹及性能評估標(biāo)準(zhǔn)
        5.4.2 基準(zhǔn)模型
        5.4.3 實(shí)驗(yàn)結(jié)果分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況



本文編號：3167898