计算机应用

作者：郭茂祖, 杨倩楠, 赵玲玲

单位：1. 北京建筑大学 电气与信息工程学院, 北京 100044;2. 建筑大数据智能处理方法研究北京市重点实验室(北京建筑大学), 北京 100044;3. 哈尔滨工业大学 计算机科学与技术学院, 哈尔滨 150001

关键词：图像生成,生成对抗网络,条件生成对抗网络,Wassertein距离

基金：国家自然科学基金面上项目（61871020）；北京市教委科技计划重点项目（KZ201810016019）；北京市属高校高水平创新团队建设计划项目（IDHT20190506）；北京建筑大学2020年度研究生创新项目（PG202005）。

生成对抗网络（GAN）能够自动生成目标图像，对相似地块的建筑物排布生成具有重要意义。而目前训练模型的过程中存在生成图像精度不高、模式崩溃、模型训练效率太低的问题。针对这些问题，提出了一种面向图像生成的条件Wassertein生成对抗网络（C-WGAN）模型。首先，该模型需要识别真实样本和目标样本之间特征对应关系，然后，根据所识别出的特征对应关系进行目标样本的生成。模型采用Wassertein距离来度量两个图像特征之间分布的距离，稳定GAN训练环境，规避模型训练过程中的模式崩溃，从而提升生成图像的精度和训练效率。实验结果表明，与原始条件生成对抗网络（CGAN）和pix2pix模型相比，所提模型的峰值信噪比（PSNR）分别最大提升了6.82%和2.19%；在训练轮数相同的情况下，该模型更快达到收敛状态。由此可见，所提模型不仅能够有效地提升图像生成的精度，而且能够提高网络的收敛速度。

来源：2021年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第5期