残差结构及网络深度对生成模型的影响

【摘要】：在生成对抗网络中,生成器的结构对于生成样本的质量有着较大的影响。以深度卷积生成对抗网络(DCGAN)为基本结构,在鉴别器的结构保持不变的情况下,对生成对抗网络中的生成器进行改进,通过改变生成器网络的深度和添加网络层之间的捷径结构,将残差学习的思想应用其中,设计出一种全新的残差生成模型。在实验部分,拥有不同网络结构的生成器生成样本的质量也不尽相同,利用Parzen window方法求生成样本分布与训练数据分布的对数似然函数值,通过对比网络的不同深度以及捷径的有无,归纳总结了残差学习思想对生成模型的影响。