10.16039/j.cnki.cn22-1249.2023.03.013
数字化背景下基于深度学习的生成设计在视觉识别平台中的应用研究
在目前信息爆炸的时代,如何实现先进技术与艺术的高效联结,将视觉设计去中心化,得到了众多学者的广泛关注.研究以生成技术为设计流程的延展进行人机联合协作的方式,将卷积神经网络与生成对抗网络模型进行结合,同时引入条件的方式,在生成器结构的每层连接条件信息,利用谱归一化与组归一化相互配合的方式优化上述模型,最终构建条件深度卷积生成对抗网络模型(Conditional Depth Convolution to Generate Antagonism Network,CDCGAN).研究结果表明,CDCGAN模型的平均准确率为97.28%,并且其在智能化视觉识别设计平台中的延展能力与学习能力非常优秀.综上所述,CDCGAN模型具有较好的性能与准确率,并能很好地应用于智能化视觉识别设计平台.
CNN、GAN、生成设计、视觉识别、谱归一化
40
TP391(计算技术、计算机技术)
2023-11-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
62-67