[发明专利]一种基于孪生网络的对抗生成模型的测试数据生成方法

权利要求书

1.一种基于孪生网络的对抗生成模型的测试数据生成方法，其特征在于，包括：

步骤1：构建一个对抗生成模型，包括生成器和判别器，所述判别器由一个孪生网络构成；所述孪生网络由两个结构相同的卷积神经网络构成；所述卷积神经网络包括8层网络层，具体为：

第一层的输入为3×96×96大小的图像；第二层至第六层均由卷积操作和2×2的最大池化层构成，第二层至第六层的输出图像的大小依次为：64×48×48，128×24×24，256×12×12，512×6×6和256×6×6；第七层的输出为9216维的向量；第八层的输出为2维的向量；

步骤2：训练所述对抗生成模型，具体为：

步骤2.1：获取由真实图像组成的样本集合，并利用所述生成器将输入的随机噪声转换为生成图像；

步骤2.2：将获取的真实图像和所述生成器输出的生成图像分别作为所述判别器的输入，并使用对比损失函数训练所述判别器；

步骤2.3：保持所述判别器的参数不变，将生成图像的标签设置为真实图像的标签，再次将更改标签后的生成图像送入所述判别器进行判断；

步骤2.4：将所述判别器的判别结果的误差进行反向传播以指导所述生成器的训练；

步骤2.5：按照步骤2.1至步骤2.4对所述生成器和所述判别器进行交替训练，得到最优的对抗生成模型，利用最优的对抗生成模型生成测试用的图像数据。

2.根据权利要求1所述的一种基于孪生网络的对抗生成模型的测试数据生成方法，其特征在于，所述生成器由一个8层的神经网络构成；其中：

第一层的输入为100维的随机向量；第二层的输出为1024维的向量；第三层至第八层均为2×2的反卷积层，第三层至第八层的输出图像的大小依次为：512×3×3，256×6×6，128×12×12，64×24×24，32×48×48和3×96×96；每两层网络之间均设置有激活函数和批归一化操作。

3.根据权利要求1所述的一种基于孪生网络的对抗生成模型的测试数据生成方法，其特征在于，所述对比损失函数如公式(1)所示：

其中，D_W(X₁，X₂)表示两幅图像X₁和X₂的2范数，P表示图像样本的特征维数，Y是两幅图像X₁和X₂是否匹配或者相似的标签，Y＝1表示两幅图像X₁和X₂相似或者匹配，Y＝0表示两幅图像X₁和X₂不相似或者不匹配，m为设定的阈值，N为图像样本个数。