[发明专利]基于条件对抗自编码网络的特征学习方法及图像识别方法有效
| 申请号： | 201811379900.6 | 申请日： | 2018-11-20 |
| 公开（公告）号： | CN109543745B | 公开（公告）日： | 2021-08-24 |
| 发明（设计）人： | 陈秀宏;肖汉雄 | 申请（专利权）人： | 江南大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 无锡盛阳专利商标事务所(普通合伙) 32227 | 代理人： | 顾吉云;郭金玉 |
| 地址： | 214000 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于条件对抗自编码网络的特征学习方法，其通过标签变量来控制生成结果，生成具有标签的样本用以辅助其他学习任务，提高图像识别效率；同时本发明还公开了基于条件对抗自编码网络的特征学习方法的图像识别方法，其能够在复杂的对象布局以及多标签图像场景时，获得高精度的图像识别效果。其包括S1选定训练集；S2选定先验分布函数；S3以对抗自编码网络模型为基础，在网络模型中的判别器或者编码器的输入数据中引入样本数据的标签信息，构建网络模型；S4训练网络模型，以优化网络模型中的参数；S5通过训练好的网络模型中的判别器进行数据特征的提取、或者利用训练好的生成器生成原始输入的重构。 | ||
| 搜索关键词： | 基于 条件 对抗 编码 网络 特征 学习方法 图像 识别 方法 | ||
【主权项】：
1.基于条件对抗自编码网络的特征学习方法，其包括以下步骤：S1：选定训练集；S2：选定先验分布函数；S3：以对抗自编码网络模型为基础构建网络模型；S4：训练所述网络模型，以优化所述网络模型中的参数；S5：通过训练好的所述网络模型中的判别器进行数据特征的提取、或者利用训练好的生成器生成原始输入的重构；其特征在于：步骤S3中构建的、以对抗自编码网络模型为基础的所述网络模型为基于条件对抗自编码网络模型，其在网络模型中的判别器或者编码器的输入数据中引入样本数据的标签信息，使所述基于条件对抗自编码网络模型的判别能力得到提高。
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江南大学，未经江南大学许可，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/201811379900.6/，转载请声明来源钻瓜专利网。
