[发明专利]一种基于深度卷积对抗网络模型生成手写数字的方法

权利要求书

1.一种基于深度卷积对抗网络模型生成手写数字的方法，其特征在于，所述的方法包括下列步骤：

S1、构造原始生成对抗网络模型，通过生成器生成图像并输入至判别器进行网络训练。

S2、构造深度卷积神经网络作为生成器与判别器；

S3、初始化随机噪声，输入生成器中；

S4、准备手写数字的数据集，输入至判别器中进行训练；

S5、将生成手写数字操作得到的损失函数输入生成器进行后续训练。

2.根据权利要求1所述的一种基于深度卷积对抗网络模型生成手写数字的方法，其特征在于，所述的深度卷积神经网络中卷积核的个数根据数据集图像特征的复杂程度进行设置。

3.根据权利要求1所述的一种基于深度卷积对抗网络模型生成手写数字的方法，其特征在于，所述的步骤S4过程如下：

S41、准备手写数字的数据集；

S42、将生成器生成图像与手写数字的数据集一并输入判别器中进行训练。

4.根据权利要求1所述的一种基于深度卷积对抗网络模型生成手写数字的方法，其特征在于，所述的步骤S5过程如下：

S51、将步骤S4中卷积之后的特征图，输入判别器进行判别；

S52、将生成手写数字操作得到的损失函数输入生成器进行后续训练。

5.根据权利要求1所述的一种基于深度卷积对抗网络模型生成手写数字的方法，其特征在于，所述的损失函数的表达式为：

其中，D(x)表示判别器对图像的判别，pr表示数据集图像的分布，pg表示生成图像的分布，λ为超参数，为梯度。