【技术实现步骤摘要】
训练类条件生成对抗序列网络
[0001]本专利技术涉及用于训练生成对抗网络的计算机实现的方法和系统。本专利技术进一步涉及用于使用经训练的生成对抗网络的生成模型例如用于数据合成、异常检测和/或用于缺失数据插补的计算机实现的方法和系统。本专利技术进一步涉及至少包括经训练的生成对抗网络的生成模型的计算机可读介质,并且涉及包括表示指令的数据的计算机可读介质,所述指令被布置成使得处理器系统执行至少一个计算机实现的方法。
技术介绍
[0002]生成对抗网络(GAN)已由Ian Goodfellow等人在2014年引入[1]。在他们的论文中,提出了一种用于经由对抗网络估计生成模型的框架,其中两个模型被同时训练:捕获要学习的数据分布的生成模型,以及估计输入实例是从训练数据(输入是“真实的”)而不是从生成模型(输入是“虚假的”)获得的概率的鉴别模型。在下文中,生成模型也可以被称为“生成器”或简称为“G”,并且鉴别模型也可以被称为“鉴别器”或简称为“D”。
[0003]最近的研究已示出,这样的经训练的生成对抗网络的生成模型特别是当使用深度生成模型、诸如所谓的“深度”卷积神经网络时,能够以高分辨率和以足够的质量合成看起来自然的图像,以欺骗甚至人类观察者。
[0004]还存在经训练的GAN、并且具体为经训练的GAN的经训练的生成模型的许多其他真实世界应用,所述真实世界应用范围从异常检测、用于另一机器可学习模型的机器学习的合成数据生成到例如用于修补被遮挡的图像区域之类的缺失数据插补。
[0005]例如,在自主驾驶领域中 ...
【技术保护点】
【技术特征摘要】
1.一种用于训练生成对抗网络(GAN)的计算机实现的方法(100),所述方法包括:-访问(110,120):-生成模型数据,其定义包括生成模型(G)和鉴别模型(D)的生成对抗网络,-生成对抗网络的训练数据,其包括训练数据实例(x
d
)和训练数据标签(y
d
),其中数据标签(y
d
)表示来自类集合()的类;其中,生成模型(G)被配置为基于从潜在空间采样的潜在向量(z)并且基于从类集合()选择的生成器输入标签(y
g
)来生成合成输出实例(x
g
),并且其中,鉴别模型(D)被配置为对输入实例(x)进行分类;-交替地训练生成模型和鉴别模型,其中训练(130)鉴别模型(D)包括使用相应的预测目标(y)在训练数据实例(x
d
)和合成输出实例(x
g
)上训练(150)鉴别模型(D),其中训练数据实例(x
d
)的预测目标是训练数据标签(y
d
),并且其中合成输出实例(x
g
)的预测目标是通过将生成器输入标签(y
g
)分配给另一类集合()来生成的,在所述另一类集合()中,所述类集合中的每个类(c)由对应的另一类(c+ C)来表示;其中训练(160)生成模型(G)包括使用从鉴别模型(D)获得的信息性信号来训练(170)生成模型(G),其中信息性信号是根据鉴别模型(D)而输入实例(x)属于所述类集合的类(y=c)或者属于所述另一类集合的对应类(y=c
+
C)的相应条件概率的函数。2.根据权利要求1所述的计算机实现的方法(100),其中信息性信号包括输入实例(x)属于所述类集合的类(y=c)的第一条件概率()和输入实例(x)属于所述另一类集合的对应类(y=c
+
C)的第二条件概率()的对数概率比()。3.根据权利要求1所述的计算机实现的方法(100),其中训练生成模型(G)包括使用第一条件概率和第二条件概率的对数概率比来最小化KL散度()。4.根据权利要求1至3中任一项所述的计算机实现的方法(100),其中标签定义从0到C-1的数字类,并且其中将生成器输入标签(y
g
)分配(140)给所述另一类集合()包括向相应的生成器输入标签的数字类(c)添加常数C。5.根据权利要求1至4中任一项所述的计算机实现的方法(100),其中鉴别模型(D)的训练(130)包括使用分类损失项而省略使用对抗损失项。6.根据权利要求1至5中任一项所述的计算机实现的方法(100),进一步包括输出至少对经训练的生成对抗网络的经训练的生成模型进行表示的经训练的模型数据。7.根据权利要求1至6中任一项所述的计算机实现的方法,进一步包括通过以下方式使用(400)经训练的生成模型进行数据合成:-从潜在空间采样(410)潜在向量(z);-从类集合()选择(420)生成器输入标签(y
g
);-使用(430)潜在向量(z)和生成器输入标签(y
g
)作为到经训练的生成模型的输入,以获得合成输出实例(x
g
)。8.根据权利要求7所述的计算机实现的方法,进一步包括使用合成输出实例(x
g
)来训练(440)机器可学习模型。
9.根据权利要求1至6中任一项所述的计算机实现的方法,进一步包括通过以下方式使用(500)经训练的生成模型进行异常检测:-获得(510)数据实例();-获得(520)数据实例()的标签(y
pred
)的预测;-搜索(530)潜在向量(),当所述潜在向量()与...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。