[发明专利]一种基于岭回归的GAN图像增强交互处理方法及系统

权利要求书

1.一种基于岭回归的GAN图像增强交互处理方法，包括训练数据集步骤和测试数据集步骤，其特征在于，所述训练步骤包括以下子步骤：

步骤01：使用VGG功能从图像中提取CNN特征；

步骤02：激活层使用ReLU函数将提取的CNN特征输入GAN网络中；

步骤03：在激活层后进行归一化处理，并运用岭回归方法处理图像交互过程中的过拟合现象；

步骤04：使用剩余残差密集块子模块减缓梯度消失并获取图像特征信息；

步骤05：使用自回归条件异方差模型子模块提取图片特征和元组以及对图片进行超分辨率重建；

步骤06：使用空间特征变换对抗网络、生成超分辨率和对抗生成网络中至少一种方法提高生成样本的能力。

2.如权利要求1所述的基于岭回归的GAN图像增强交互处理方法，其特征在于，所述VGG的结构由5层卷积层、3层全连接层、softmax输出层构成，层与层之间使用最大池化分开。

3.如权利要求2所述的基于岭回归的GAN图像增强交互处理方法，其特征在于，所有隐层的激活单元都采用ReLU函数。

4.如权利要求1所述的基于岭回归的GAN图像增强交互处理方法，其特征在于，所述岭回归方法用于处理批处理规范变换和实例处理规范遗留下的过拟合现象，采用梯度下降法进行求解。

5.如权利要求1所述的基于岭回归的GAN图像增强交互处理方法，其特征在于，所述剩余残差密集块子模块包括残差网络块、卷积层和密集连接。

6.如权利要求5所述的基于岭回归的GAN图像增强交互处理方法，其特征在于，所述残差网络块包含shortcut连接子模块，利用F(x)+x公式跳过难以优化的层。

7.如权利要求5所述的基于岭回归的GAN图像增强交互处理方法，其特征在于，所述卷积层是利用3个卷积核进行5层卷积，并由LeakyReLU函数和贝叶斯获取图像特征信息。

8.如权利要求1所述的基于岭回归的GAN图像增强交互处理方法，其特征在于，所述自回归条件异方差模型子模块用于使用稀疏傅里叶变换算法和语义分割网络对图片特征进行提取、超分辨率进行重建。

9.如权利要求8所述的基于岭回归的GAN图像增强交互处理方法，其特征在于，所述自回归条件异方差模型子模块包括空间特征变换层、深度残差分模块和空间特征变换网络。

10.一种基于岭回归的GAN图像增强交互处理系统，包括训练模块和测试模块,

其特征在于，所述训练模块包括以下子模块：

特征提取子模块：用于使用VGG功能从图像中提取CNN特征；

激活函数激活子模块：用于激活层使用ReLU函数将提取的CNN特征输入GAN网络中；

归一化处理子模块：用于在激活层后进行归一化处理，并运用岭回归处理图像交互过程中的过拟合现象；

剩余残差密集块子模块：用于减缓梯度消失并获取图像特征信息；

自回归条件异方差模型子模块：用于提取图片特征和元组以及对图片进行超分辨率重建；

基本子模块：用于使用空间特征变换对抗网络、生成超分辨率和对抗生成网络中至少一种方法提高生成样本的能力。