基于文本对抗生成网络的无监督图像描述生成方法.pdf
梦影****主a
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于文本对抗生成网络的无监督图像描述生成方法.pdf
本发明公开了一种基于文本对抗生成网络的无监督图像描述生成方法,其步骤包括:1、对图像数据库进行图像特征提取,对辅助文本库进行文本数据清洗;2、构建基于语言‑图像对比学习预训练模型的文本对抗生成网络;3、构造图像特征‑图像描述伪标签,并利用伪标签训练生成器进行预热;4、使用自批判的强化学习驱动的对抗学习方式训练构建的网络模型;5、使用训练好的生成网络进行推断,实现无监督的图像描述生成。本发明能充分利用语言‑图像对比学习预训练模型CLIP的能力实现图像信息的提取,并能在没有人工成对标注的情况下进行自主训练,从
一种基于分布估计的条件生成对抗网络文本生成图像方法.pdf
本发明公开了一种基于分布估计的条件生成对抗网络文本生成图像方法用。本发明步骤如下:步骤(1)、数据预处理,提取文本数据的特征;步骤(2)、建立多阶段的无条件和有条件联合生成对抗神经网络和损失函数;步骤(3)、引入基于分布估计的损失函数;步骤(4)、模型训练;根据得到的新的损失函数,在训练过程中对判别器D<base:Sub>i</base:Sub>和生成器G<base:Sub>i</base:Sub>进行交替训练。本发明损失隐式地体现了单个文本生成无限次图像的影响,优化的目标为单个文本描述生成图像的特征分布
基于文本生成网络生成用户描述文本的方法和装置.pdf
本说明书实施例提供一种基于文本生成网络生成用户描述文本的方法和装置,方法包括:将目标用户的各项特征输入第一编码器,通过第一编码器获取各项特征分别对应的各初始用户特征向量,基于自注意力机制进行编码,得到编码状态向量;将编码状态向量输入检索模型,通过检索模型从人工知识库中检索出K个语句,确定K个语句包含的各个字对应的字编码向量,根据解码器的输出反馈向量以及字编码向量确定各注意力系数,并根据各注意力系数对各字编码向量进行加权求和,得到语义表征向量;将编码状态向量、语义表征向量输入解码器,通过解码器生成目标用户的
基于文本生成网络生成用户描述文本的方法和装置.pdf
本说明书实施例提供一种基于文本生成网络生成用户描述文本的方法和装置,方法包括:将目标用户的各项特征输入第一编码器,通过第一编码器获取各项特征分别对应的各初始用户特征向量,基于自注意力机制进行编码,得到编码状态向量;将编码状态向量输入检索模型,通过检索模型从人工知识库中检索出K个语句,确定K个语句包含的各个字对应的字编码向量,根据解码器的输出反馈向量以及字编码向量确定各注意力系数,并根据各注意力系数对各字编码向量进行加权求和,得到语义表征向量;将编码状态向量、语义表征向量输入解码器,通过解码器生成目标用户的
基于生成对抗网络图像、文本数据生成应用分类模型评估的测试方法.pdf
本发明公开了基于生成对抗网络图像、文本数据生成应用分类模型评估的测试方法,测试方法步骤如下:S1:使用训练被测模型数据用于训练生成对抗网络;S2:经过调参训练生成对抗网络完成后,提取其中的生成器,并根据生成器输入类别信息,生成该类别图像和文本数据;S3:根据测试方案设置原数据集以及生成数据集数据量权重,再根据类别所占比例重构测试数据集;S4:将测试集输入到被测模型得到分类结果,分类结果与真实分类信息构造出混淆矩阵,计算评估指标,准确率、精准率、召回率以及F1值。本发明可将所有的数据都可以当作训练集对模型进