[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在审
| 申请号： | 201711124813.1 | 申请日： | 2017-11-14 |
| 公开（公告）号： | CN108021979A | 公开（公告）日： | 2018-05-11 |
| 发明（设计）人： | 周智恒;李立军 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 511458 广东省广州市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于原始生成对抗网络模型的特征重标定卷积方法，属于深度学习神经网络领域，包括以下步骤：S1、构造原始生成对抗网络模型；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。本方法构建的基于原始生成对抗网络模型的特征重标定卷积方法，改变了判别器、生成器接收图片后的卷积方式，通过设定权重，让判别器、生成器能够辨别图像特征的重要程度，从而能够提高整个网络训练模型的效率。 | ||
| 搜索关键词： | 一种 基于 原始 生成 对抗 网络 模型 特征 标定 卷积 方法 | ||
【主权项】：
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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711124813.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种金属管无损穿套全自动装备
- 下一篇：一种高并发新闻信息处理系统
