基于条件深度卷积生成对抗网络的图像识别方法

• 作者: 刘雨微 唐贤伦 李佳歆 杜一铭 马艺玮
• 来源期刊: 自动化学报
• 关键词: 生成对抗网络 卷积神经网络 条件模型 特征提取 图像识别
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 855-864
• 页数: 10页
• 字数: 6188字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c170470

摘要

生成对抗网络(Generative adversarial networks, GAN) 是目前热门的生成式模型.深度卷积生成对抗网络(Deep convolutional GAN,DCGAN)在传统生成对抗网络的基础上,引入卷积神经网络(Convolutional neural networks,CNN)进行无监督训练;条件生成对抗网络(Conditional GAN,CGAN)在GAN的基础上加上条件扩展为条件模型.结合深度卷积生成对抗网络和条件生成对抗网络的优点,建立条件深度卷积生成对抗网络模型(Conditional-DCGAN, C-DCGAN),利用卷积神经网络强大的特征提取能力,在此基础上加以条件辅助生成样本,将此结构再进行优化改进并用于图像识别中,实验结果表明,该方法能有效提高图像的识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐贤伦	重庆邮电大学计算机科学与技术学院	79	723	14.0	24.0
2	马艺玮	重庆邮电大学自动化学院	11	75	2.0	8.0
3	杜一铭	重庆邮电大学计算机科学与技术学院	2	66	1.0	2.0
4	刘雨微	重庆邮电大学自动化学院	2	67	2.0	2.0
5	李佳歆	重庆邮电大学自动化学院	1	65	1.0	1.0