基于生成对抗网络的文本生成图像算法

文本生成图像算法对生成图像的质量和文本匹配度有很高的要求.为了提高生成图像的清晰度,在现有算法的基础上改进生成对抗网络模型.加入动态记忆网络、细节校正模块(DCM)、文本图像仿射组合模块(ACM)来提高生成图片的质量.其中动态记忆网络可以细化模糊图像并选择重要的文本信息存储,以提高下一阶段生成图像的质量.DCM纠正细节,完成合成图像中缺失部分.ACM编码原始图像特征,重建与文本描述无关的部分.改进后的模型实现了两个目标,一是根据给定文本生成高质量的图片,同时保留与文本无关的内容.二是使生成图像不再较大程度依赖于初始图像的生成质量.通过在CUB-200-2011鸟类数据集进行研究实验,结果表明相较之前的算法模型,FID(Frechet inception)有了显著的改善,结果由16.09变为10.40.证明了算法的可行性和先进性.