基于条件生成对抗网络的手写数字识别
针对当训练样本不足时,传统深度学习算法在手写数字识别中会出现训练不稳定、识别精度较低等问题,提出了基于条件生成对抗网络的识别方法.首先,在条件生成对抗网络的基础上,利用生成器使用类别标签控制图像生成的优点,将生成器产生的图像样本作为训练数据,扩充数据集.同时,利用反卷积网络和卷积网络分别构成生成器和判别器的网络结构,去掉全连接层以提升模型稳定性.然后,引入条件批量归一化,利用它使用类别标签的优点,使网络学习更多的特征.最后,改进判别器为分类器,并提出新的损失函数,加快收敛速度,提高识别精度.实验结果表明,本文所提出的手写数字识别方法生成的图像质量更好,识别准确率更高,达到99.43%,为生成对抗网络及其变体在图像识别领域中的应用提供了参考.
手写数字识别、条件生成对抗网络、条件批量归一化、图像生成
35
TP391(计算技术、计算机技术)
国家自然科学基金No.61671190
2020-12-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
1284-1290