《表1 部分训练集图案与模型开发图案对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于生成对抗网络的书法纺织图案设计开发》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过对目前流行的生成对抗网络模型进行学习与实验分析，选择原始生成对抗网络模型（原始GAN）、深度卷积生成对抗网络（DCGAN）模型与本文模型进行对比。相对于原始GAN模型，DCGAN的最大特点是使用了卷积层，提高了模型训练的稳定性。除收敛时间、生成时间等指标外，选择了Salimans等[16]在2016年提出的IS（inception score）与FID（fréchet inception distance）作为关键指标对模型性能进行评分。IS与FID被广泛运用于衡量生成对抗网络输出图像质量与多样性。IS得分越高，FID值越低，生成的图像多样性与质量越高。其中FID在评判生成图像真实性与变化性上更为接近人类的判断，非常适合用于评价主观性创作图案。表1为部分训练集图案与模型开发图案的对比。对比实验数据结果如表2所示，构建模型相比原始GAN模型与DCGAN模型在传统书法纺织图案的创新设计上表现出更优的性能。