[发明专利]一种基于原始生成对抗网络模型的特征重标定卷积方法

权利要求书

1.一种基于原始生成对抗网络模型的特征重标定卷积方法，其特征在于，所述的特征重标定卷积方法包括下列步骤：

S1、构造原始生成对抗网络模型，通过生成器生成图像输入至判别器进行网络训练；

S2、构造神经网络充当生成器与判别器的功能；

S3、初始化随机噪声，输入生成器中；

S4、在神经网络中利用特征重标定卷积对图像进行卷积操作；

S5、根据每次训练之后损失函数的变化情况，动态更新每一层卷积的权值进行后续训练。

2.根据权利要求1所述的一种基于原始生成对抗网络模型的特征重标定卷积方法，其特征在于，所述的步骤S4具体过程如下：

S41、为不同的卷积层设定对应的权值；

S42、将权值与卷积后得到的特征相乘，进行后续的训练。

3.根据权利要求1所述的一种基于原始生成对抗网络模型的特征重标定卷积方法，其特征在于，所述的步骤S5具体过程如下：

S51、将特征重标定卷积之后得到的图像特征图，输入判别器中进行判别；

S52、根据每次训练之后损失函数的变化情况，动态更新每一层卷积的权值进行后续训练。

4.根据权利要求3所述的一种基于原始生成对抗网络模型的特征重标定卷积方法，其特征在于，所述的损失函数的表达式为：

L ( D ) = - E x ~ p r [ D ( x ) ] + E x ~ p g [ D ( x ) ] + λE x ~ X ▿ x ]]>

其中，D(x)表示判别器对图像的判别，pr表示数据集图像的分布，pg表示生成图像的分布，λ为超参数，为梯度，E为取均值的操作符号。