标签：归一化 论文 生成器 网络 笔记 步长 StarGAN 使用 stargan

网络的结构仿照Cycle-GAN的设置，使用两层步长为2的卷积层进行下采样（降维），6个残差块连接，然后使用两层步长为2的卷积层进行上采样。生成器使用了实例归一化，但是判别器没有用正则化。判别器网络文中使用的是patch-GAN。 文中在每一层都使用了实例归一化，除了最后的输出层。 分类器的激活函数使用了leakyrelu，负的一侧的斜率为0.01

• 提出了一种全新的生成对抗网络StarGAN，该网络只使用一个生成器和一个鉴别器来学习多个域之间的映射，并从各个域的图像中有效地进行训练；
• 演示了如何使用掩模向量方法（mask vector method）成功学习多个数据集之间的多域图像转换，并使得StarGAN控制所有可用的域标签；
• 使用StarGAN进行面部属性转换和面部表情合成任务，并对结果进行了定性和定量分析，结果显示其优于基准线模型

标签：归一化,论文,生成器,网络,笔记,步长,StarGAN,使用,stargan
来源： https://www.cnblogs.com/h694879357/p/15523717.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。