DuC-GAN:增强GAN训练稳定性的新模型

作     者：韩诗阳 张重生 HAN Shiyang;ZHANG Chongsheng

作者机构：河南大学计算机与信息工程学院 

出 版 物：《北京邮电大学学报》 (Journal of Beijing University of Posts and Telecommunications)

年 卷 期：2024年第47卷第3期

页      面：42-47页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：生成对抗网络 双循环结构 训练稳定性 模式崩溃 

摘      要：针对生成对抗网络(GAN)训练不稳定的问题，提出了一种新的双循环GAN(DuC-GAN)增强稳定性的模型。该模型通过在生成器和判别器之间添加额外的循环来解决GAN训练中的不稳定性问题。新循环由一个冻结的主判别器和一个辅助判别器组成，他们与生成器一起进行训练，并以生成器的性能作为切换循环的指标。在多个数据集上的测试表明，相比现有模型，所提模型显著提高了GAN的性能和训练稳定性。实验结果表明，双循环GAN实现了更快的收敛速度和更好的生成效果。