生成对抗网络中的少样本域适应制造技术

本公开提供了一种通过利用来自相关域的预训练GAN模型以及给定来自所述新域或目标域的目标示例集合来使其适应到所述新域，来用有限训练数据学习生成模型的改进方法。限训练数据学习生成模型的改进方法。限训练数据学习生成模型的改进方法。

【技术实现步骤摘要】
【国外来华专利技术】生成对抗网络中的少样本域适应


[0001]本公开大体上涉及域适应。更具体地，本公开涉及生成对抗网络(generative adversarial networks)中的少样本(few
‑
shot)域适应。

技术介绍

[0002]图像合成是通过学习数据集的分布来生成新颖图像的任务。除了纯视觉合成应用外，它作为数据增强工具，以提高其他模型在罕见或难以收集的数据上的性能是有用的。
[0003]生成对抗模型(GAN)在图像合成任务中具有越来越令人印象深刻的性能。然而，这些模型样本效率低下，通常需要数千或数百万个图像才能产生高质量的输出。因此，在低数据体制中，GAN受到不稳定性和过拟合的影响。附加地，生成的样本通常集中在数据中最常见的模式上，这使得生成罕见类别的图像具有挑战性。虽然可以使用重要性采样从罕见模式中进行采样，但这些图像的多样性将受到严重限制。
[0004]由于收集大数据集的高成本且困难，因此需要可以仅使用有限的训练数据合成不同图像的模型。然而，基于GAN的适应方法仍然需要1k至10k个样本范围内的目标训练数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于对生成模型执行域适应的计算机实施的方法，所述方法包括：由包括一个或多个计算设备的计算系统获得已在源域训练数据集上训练以在源域中生成输出的预训练生成对抗网络，其中所述预训练生成对抗网络包括具有第一多个预训练参数的生成器模型和具有第二多个预训练参数的鉴别器模型；由所述计算系统修改所述预训练生成对抗网络以获得修改后的生成对抗网络，其中由所述计算系统修改所述预训练生成对抗网络包括以下之一或两者：由所述计算系统向所述生成器模型添加一个或多个第一附加参数；以及由所述计算系统向所述鉴别器模型添加一个或多个第二附加参数；由所述计算系统访问与不同于所述源域的目标域相关联的目标域训练数据集；由所述计算系统在所述目标域训练数据集上训练所述修改后的生成对抗网络，以在所述目标域中生成输出，其中由所述计算系统训练所述修改后的生成对抗网络包括：由所述计算系统修改所述一个或多个第一附加参数或所述一个或多个第二附加参数中的至少一个；以及由所述计算系统输出所述修改后的生成对抗网络作为训练模型。2.根据任一前述权利要求所述的计算机实施的方法，其中，所述目标域训练数据集包括所述目标域的25个或更少的目标训练示例。3.根据任一前述权利要求所述的计算机实施的方法，其中，由所述计算系统修改所述一个或多个第一附加参数或所述一个或多个第二附加参数中的至少一个包括：由所述计算系统修改所述一个或多个第一附加参数或者所述一个或多个第二附加参数中的至少一个，同时保持所述第一多个预训练参数和所述第二多个预训练参数固定。4.根据任一前述权利要求所述的计算机实施的方法，其中，由所述计算系统修改所述预训练生成对抗网络包括以下两者：由所述计算系统向所述生成器模型添加所述一个或多个第一附加参数；以及由所述计算系统向所述鉴别器模型添加所述一个或多个第二附加参数。5.根据任一前述权利要求所述的计算机实施的方法，其中，由所述计算系统在所述目标域训练数据集上训练所述修改后的生成对抗网络包括：由所述计算系统对所述一个或多个第一附加参数或所述一个或多个第二附加参数的一个或多个范数应用惩罚，以正则化所述一个或多个第一附加参数或所述一个或多个第二附加参数。6.根据权利要求5所述的计算机实施的方法，其中：所...

【专利技术属性】
技术研发人员：朱文生，埃斯特，
申请(专利权)人：谷歌有限责任公司，
类型：发明
国别省市：