2023年第36卷第7期ElectronicSci.＆Tech./Jul.15，2023https://journal.xidian.edu.cn收稿日期:2022-01-10基金项目:国家自然科学基金(61472256，61170277，61703277)NationalNaturalScienceFoundationofChina(61472256，61170277，61703277)作者简介:孙红(1964－)，女，博士，副教授。研究方向:模式识别与智能系统、大数据与云计算、控制科学与工程。赵迎志(1996－)，男，硕士研究生。研究方向:图像生成、图像超分辨率重建。基于多尺度梯度的轻量级生成对抗网络孙红，赵迎志(上海理工大学光电信息与计算机工程学院，上海200093)摘要随着生成对抗网络研究的推进，网络模型的计算量急剧增加，其自身的训练不稳定问题依然存在，生成图像的质量也有待提升。为解决以上问题，文中提出一种轻量级生成对抗网络模型，引入多尺度梯度结构解决训练不稳定的问题。通过融合自注意力机制和动态卷积的思想，利用循环模块和图像增强模块，在保持较少参数的前提下提高模型的学习能力。对文中所提算法进行验证，实验结果表明该算法在CelebA数据集上的IS(InceptionScore)值为2．75，FID(FréchetInceptionDistance)值为70．1，在LSUN数据集上的IS值为2．61，FID值为73．2，相比SAGAN、DCGAN等经典模型性有所提高，验证了该算法可行性和性能。关键词多尺度梯度;动态卷积;循环块;半注意力机制;注意力稀疏化;卷积网络;深度学习;图像生成;生成对抗网络中图分类号TP391文献标识码A文章编号1007－7820(2023)07－032－07doi:10.16180/j.cnki.issn1007－7820.2023.07.005LightweightGenerativeAdversarialNetworksBasedonMulti－ScaleGradientSUNHong，ZHAOYingzhi(SchoolofOptical－ElectricalandComputerEngineering，UniversityofShanghaiforScienceandTechnology，Shanghai200093，China)AbstractWiththeadvancementofgenerativeadversarialnetworkresearch，thecomputationalamountofthenetworkmodelincreasessharply，itsowntraininginstabilitystillexists，andthequalityofthegeneratedimagealsoneedstobeimproved．Tosolvetheproblems，alightweightgenerativeadversarialnetworkisproposed，whichintro-ducesmulti－scalegradientstructuretosolvetheproblemofunstabletraining．Bycombiningtheideasofself－atten-tionmechanismanddynamicconvolution，thecyclicmoduleandimageenhancementmoduleareusedtoimprovethelearningabilityofthemodelunderthepremiseofkee...
