[发明专利]一种基于深度卷积生成对抗网络的多类别多视图数据生成方法

摘要

一种基于深度卷积生成对抗网络的多类别多视图数据生成方法，包括如下步骤：1.中心剪裁图片，2.在通道维度叠合多视图。3.提取多视图类别标签。4.用叠合多视图、类别标签、外加随机高维噪声共同训练DC‑GAN网络。5.用高维随机噪声和自定义标签传入训练好的网络，生成多视图叠合数据。6.剪裁并填充背景，得到符合原尺寸的多视图。本发明所述方法通过多视图叠合和带标签训练生成对抗网络的方法，实现了只需修改输入即可通过一个模型生成不同类别多视图的功能，所生成的数据可作为训练数据的扩充，来增加训练数据的多样性。

主权项

一种基于深度卷积生成对抗网络的多类别多视图数据生成方法，其特征在于：包括以下步骤：训练数据预处理阶段：步骤1：中心剪裁：在不影响图中物体的前提下，对每张图片进行中心剪裁；步骤2：多视图叠合：在图像的通道维度上对同一物体的多视图按顺序进行叠合，每个物体的所有多视图形成一份数据；步骤3：提取类别标签：分别对步骤2后的每份数据的类别进行onehot编码，获取对应的类别标签序列；训练阶段：步骤4：训练DC‑GAN网络：用相同的随机种子打乱图片数据和标签序列，用图片数据、标签序列和随机高维噪声训练DC‑GAN网络，并测试；数据生成阶段：步骤5：获得多类别的生成数据：输入目标类别的onehot标签和随机噪声，获得该类别的生成数据；调整标签信息，可获得不同类别的生成数据；步骤6：获得多视图数据：将步骤5中的生成数据重新剪裁为相应的多张视图，并添加背景扩大到原尺寸，成为与原数据集同规格的数据。