基于生成对抗网络的数据增强研究
目前通过卷积神经网络(CNN)进行监督式学习已经在计算机视觉领域得到了广泛应用,而采用CNN的无监督学习则受到的关注较少.针对这一问题,利用深度卷积生成对抗网络(DCGAN)的方法,该网络由卷积神经网络构成,通过生成对抗网络对现有的人脸数据集进行数据训练,生成对抗网络学习了生成器和判别器中对图像局部特征到整体场景的表示层次,输出由各人脸特征组合而成的新人脸数据.通过在各种图像数据集上进行训练,弥补图像数据的不足,实现提高识别准确率的目的,表明该方法在无监督学习上的实用性.
卷积神经网络、监督式学习、无监督学习、生成对抗网络、数据增强
18
TP391.4(计算技术、计算机技术)
福建省教育厅中青年教师教育科研省属高校专项;福建省自然科学基金面上项目;厦门市科技计划项目;厦门市科技计划重大项目Micro-LED技术研发及产业化资助
2021-02-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
47-52