生成对抗网络指导学习的图像识别方法

• 作者: 冯全 高仪
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 图像识别 生成对抗网络 G-GAN模型 数据增强
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 应用技术
• 页码范围: 125-131
• 页数: 7页
• 分类号: TM715
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.11.025

摘要

生成对抗网络是一类无监督深度学习模型.然而,在无条件的生成模型中,无法控制正在生成的数据的模式,生成对抗网络很难训练,容易受到模态崩溃的影响,主要原因是控制所生成样本图像的多样性非常困难.针对收敛速度缓慢,提出指导学习的生成对抗网络模型(G-GAN),通过调整模型附加条件信息来指导数据生成带有类别标签的样本,有效解决生成样本的分类问题.此外,利用生成式对抗网络能够有效提取特征的能力,来训练判别模型,作为图像识别预训练的方法.将G-GAN生成的图像作为数字标签加入数据集,达到数据增强的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯全		1	0	0.0	0.0
2	高仪		1	0	0.0	0.0