[发明专利]一种基于WGAN模型的图像通道融合方法在审
| 申请号： | 201810101708.4 | 申请日： | 2018-02-01 |
| 公开（公告）号： | CN108399422A | 公开（公告）日： | 2018-08-14 |
| 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： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 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： | 510640 广*** | 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WGAN模型的图像通道融合方法，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、构造沃瑟斯坦距离，作为对抗网络模型的评判指标；S3、初始化随机噪声，输入生成器中；S4、在WGAN模型中利用通道融合对图像进行卷积操作；S5、将通道融合操作得到的损失函数输入生成器进行后续训练。本方法构建的基于通道融合的WGAN模型，改变了判别器、生成器接收图片后的卷积方式，在每次卷积之后都对图像各个通道的特征图进行融合，从而能够提高整个网络训练模型的鲁棒性。 | ||
| 搜索关键词： | 融合 生成器 卷积 图像通道 网络模型 学习神经网络 图像 随机噪声 损失函数 训练模型 原始生成 整个网络 对抗 初始化 鲁棒性 判别器 特征图 构建 评判 图片 | ||
【主权项】：
1.一种基于WGAN模型的图像通道融合方法，其特征在于，所述的图像通道融合方法包括以下步骤：S1、构造原始生成对抗网络模型，通过生成器生成图像并输入至判别器进行网络训练；S2、构造沃瑟斯坦距离，作为对抗网络模型的评判指标；S3、初始化随机噪声，输入生成器中；S4、在WGAN模型中利用通道融合对图像进行卷积操作；S5、将通道融合操作得到的损失函数输入生成器进行后续训练。
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/201810101708.4/，转载请声明来源钻瓜专利网。
