[发明专利]基于生成式对抗网络的病虫害图像生成方法

权利要求书

1.一种基于生成式对抗网络的病虫害图像生成方法，其特征在于，包括以下步骤：

11)对训练图像进行收集和预处理，收集若干幅图像作为训练图像，对所有训练图像进行大小归一化处理，将其处理为256×256像素，得到若干个训练样本；

12)基于深度卷积神经网络模型来构造判别网络和生成网络；

13)对判别网络和生成网络进行训练；

14)根据训练好的生成网络生成病虫害图像。

2.根据权利要求1所述的基于生成式对抗网络的病虫害图像生成方法，其特征在于，所述的基于深度卷积神经网络模型来构造判别网络和生成网络包括以下步骤：

21)使用深度卷积神经网络模型构造判别网络，设置深度卷积神经网络模型的网络层数为5层，其中前3层为卷积层，第4层为全连接层，最后一层为输出层，输出层的节点数为1，其输入为一幅图像，输入的图像大小为256*256；

22)使用深度卷积神经网络模型构造生成网络，设置深度卷积神经网络模型的网络层数为4层，其中前3层为反卷积层，最后一层为输出层，输出层的节点个数为256*256，其输入为随机噪声。

3.根据权利要求1所述的基于生成式对抗网络的病虫害图像生成方法，其特征在于，所述的对判别网络和生成网络进行训练包括以下步骤：

31)设定损失函数，其公式如下：

其中，D(x)为判别网络在训练数据集上的输出，x～P_data(x)为数据集的真实概率分布，D(G(z))为判别网络在生成网络生成的图片的输出，z～P_z(x)为生成网络模拟的训练数据集概率分布，z为随机向量，为使判别网络能够区分输入真实的数据，为使生成网络能够欺骗判别网络；

训练判别网络时使用V(D,G)作为损失函数，在训练生成网络时使用作为损失函数；

32)判别网络训练数据的生成，设训练的batch大小为50，则25个正样本由训练样本中随机选取，则25个负样本生成过程如下：

321)生成25个随机向量；

322)将25个随机向量作为生成网络的输入，得到25个伪造数据，并标定为判别网络的负样本；

33)生成网络训练数据的生成，设训练的batch大小为50，则50个正样本生成过程如下：

331)生成50个随机向量；

332)将50个随机向量作为生成网络的输入，得到50个伪造数据，并标定为生成网络的正样本；

34)训练网络，其具体步骤如下：

341)设置超参数k，每训练完k次判别网络后再进行一次生成网络的训练；

342)判别网络进行训练，

选取m个噪声样本，先验概率分布为p_g(z)，标记为{z⁽¹⁾,...,z^(m)}；

选取m个训练样本，概率分布为p_data(x)，标记为{x⁽¹⁾,...,x^(m)}；

根据随机梯度下降法，修改判别网络的参数，其计算随机梯度公式如下：

343)生成网络进行训练，

选取m个噪声样本，先验概率分布为p_g(z)，标记为{z⁽¹⁾,...,z^(m)}，根据随机梯度下降法，修改生成网络的参数，其计算随机梯度公式如下：

344)判别网络进行图片真实概率判断，当判别网络判定图片为训练图像的概率趋于0.5时，训练完成。

4.根据权利要求1所述的基于生成式对抗网络的病虫害图像生成方法，其特征在于，所述的根据训练好的生成网络生成病虫害图像包括以下步骤：

41)从训练样本中随机选取n个噪声样本，先验概率分布为p_g(z)，标记为{z⁽¹⁾,...,z⁽ⁿ⁾}；

42)分别将噪声样本输入训练好的生成网络，生成n个病虫害图像。