基于条件深度卷积生成对抗网络的图像识别方法
生成对抗网络(Generative adversarial networks, GAN) 是目前热门的生成式模型.深度卷积生成对抗网络(Deep convolutional GAN,DCGAN)在传统生成对抗网络的基础上,引入卷积神经网络(Convolutional neural networks,CNN)进行无监督训练;条件生成对抗网络(Conditional GAN,CGAN)在GAN的基础上加上条件扩展为条件模型.结合深度卷积生成对抗网络和条件生成对抗网络的优点,建立条件深度卷积生成对抗网络模型(Conditional-DCGAN, C-DCGAN),利用卷积神经网络强大的特征提取能力,在此基础上加以条件辅助生成样本,将此结构再进行优化改进并用于图像识别中,实验结果表明,该方法能有效提高图像的识别准确率.
生成对抗网络、卷积神经网络、条件模型、特征提取、图像识别
44
国家自然科学基金61673079,61703068;重庆市基础科学与前沿技术研究项目cstc2016jcyjA1919资助 Supported by National Natural Science Foundation of China61673079,61703068;Chongqing Research Program of Basic Research and Frontier Technologycstc2016jcyjA1919
2018-06-20(万方平台首次上网日期,不代表论文的发表时间)
共10页
855-864