基于条件梯度Wasserstein生成对抗网络的图像识别

• 作者: 何子庆 刘月 尹洋 聂红玉
• 来源期刊: 计算机测量与控制
• 关键词: 生成式对抗网络 条件模型 Wesserstein距离 梯度惩罚 全局和局部一致性 图像识别
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 设计与应用
• 页码范围: 157-162
• 页数: 6页
• 分类号: TP311.53
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2019.06.034

摘要

生成式对抗网络GAN功能强大,但是具有收敛速度慢、训练不稳定、生成样本多样性不足等缺点;该文结合条件深度卷积对抗网络CDCGAN和带有梯度惩罚的Wasserstein生成对抗网络WGAN-GP的优点,提出了一个混合模型-条件梯度Wasserstein生成对抗网络CDCWGAN-GP,用带有梯度惩罚的Wasserstein距离训练对抗网络保证了训练稳定性且收敛速度更快,同时加入条件c来指导数据生成;另外为了增强判别器提取特征的能力,该文设计了全局判别器和局部判别器一起打分,最后提取判别器进行图像识别;实验结果证明,该方法有效的提高了图像识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何子庆	西南交通大学信息科学与技术学院	1	0	0.0	0.0
2	聂红玉	重庆交通职业学院大数据学院	1	0	0.0	0.0
3	刘月	西南交通大学信息科学与技术学院	4	15	2.0	3.0
4	尹洋	西南交通大学信息科学与技术学院	1	0	0.0	0.0