[发明专利]一种基于特征返回的条件DCGAN模型的动态调整方法

摘要

本发明公开了一种基于特征返回的条件DCGAN模型的动态调整方法，属于深度学习神经网络领域，该算法步骤如下：构造深度卷积生成式对抗网络DCGAN模型；对DCGAN模型进行训练；在判别器的卷积层中，对每一层卷积之后的图像特征数据记为特征数据记录Xi；将所有Xi进行维度扩展；S5、将维度扩展后的特征数据记录Xi与输入生成器中的噪声结合输入到记录图像生成器中进行训练。本方法能够解决在网络训练初期，生成器生成图像不符合数据集特征的问题，使生成器通过学习判别器中卷积过程的图像特征，以更高的效率学习到数据集中的图像特征，从而能够以更快的速度生成符合数据集特征的图像，能够较大程度地减小网络训练所需要的时间。

主权项

一种基于特征返回的条件DCGAN模型的动态调整算法，其特征在于，所述动态调整算法包括下列步骤：S1、构造深度卷积生成式对抗网络DCGAN模型，该DCGAN模型包含记录图像生成器和记录图像判别器，采用交叉熵函数作为双方的损失函数；S2、输入图像数据集，对所述DCGAN模型进行训练；S3、在记录图像判别器的卷积层中，对每一层卷积之后的图像特征结果记录下来，第i层卷积之后的特征数据记录为Xi，i＝1,2，…,N,N为记录图像判别器中卷积层的层数；S4、将所述特征数据记录Xi进行维度扩展，使其维度等于输入记录图像生成器中的噪声维度；S5、将维度扩展之后的特征数据记录Xi与输入记录图像生成器中的噪声结合，然后共同输入到记录图像生成器中进行训练。