检索结果-南通市图书馆

常见的生成对抗网络（Generative Adversarial Network，GAN）通过对抗学习合成新的真实图像，但需大量训练数据。受人脑从少量示例快速学习新概念的启发，本文提出了一种快速自适应的元学习模型，基于GAN和编码器网络，用于小样本图像生成。该模型仅需少量示例，通过训练简化网络并增加生成器迭代次数，生成未见过的目标类别的图像。与对比模型相比，它以5倍速度收敛，所需可训练参数减少至四分之一。实验结果表明，快速自适应元学习模型在小样本图像生成方面具有最高的图像质量、多样性和清晰度，以及与常见数据集相当的逼真程度，有效提升了小样本图像的生成性能。

关键词：小样本学习元学习图像生成技术无监督学习生成对抗网络

来源：