[发明专利]结合ACGAN的图像样本处理方法、装置、系统和介质

权利要求书

1.一种结合ACGAN的图像样本处理方法，其特征在于，所述方法包括：

将真实图像样本输入SRResNet网络模型，读取所述真实图像样本的类别并得到伪标准图像样本；

于标准图像样本的数据列表中随机挑选一相应类别的所述标准图像样本；

将所述伪标准图像样本与所述标准图像样本输入ACGAN判别器，以分别得到二者真假概率值和类别概率值；

依据所述真假概率值和类别概率值返回损失函数，以调整所述SRResNet网络模型，直至输出所述真假概率值为真假概率相等；

将待测试图像样本输入所述SRResNet网络模型以得到对应的测试标准图像样本。

2.根据权利要求1所述的方法，其特征在于，所述读取所述真实图像样本的类别并得到伪标准图像样本，包括：

将所述真实图像样本输入所述SRResNet网络模型的一个卷积层C11和激活函数PReLU层PR11得到特征图X1；

所述特征图X1经过多个残差模块得到特征图X2；

所述特征图X2经过一个卷积层C12和归一化层BN11得到特征图X3；

将所述特征图X1和所述特征图X3经过第一激活函数Elementive_sum层进行对应像素累加以得到特征图X4；

所述特征图X4经过一个卷积层C13得到所述伪标准图像样本。

3.根据权利要求2所述的方法，其特征在于，所述残差模块包括：

依次连接的卷积层C21、激活函数PReLU层PR21、归一化层BN21、激活函数PReLU层PR22、卷积层C22、归一化层BN22、及第二激活函数Elementive_sum层。

4.根据权利要求1所述的方法，其特征在于，所述ACGAN判别器包括：

依次连接的卷积层C31、激活函数PReLU层PR31、池化层P31、卷积层C32、激活函数PReLU层PR32、池化层P32、卷积层C33、激活函数PReLU层PR33、卷积层C34、激活函数PReLU层PR34、全连接层FC31、全连接层FC32、全连接层FC33、全连接层FC34、激活函数sigmoid层、及激活函数softmax层；

其中，所述全连接层FC32一方面依次连接所述全连接层FC33、及所述激活函数sigmoid层，另一方面还依次连接所述全连接层FC34、及所述激活函数softmax层。

5.根据权利要求4所述的方法，其特征在于，所述激活函数sigmoid层采用激活函数sigmoid以用于得到所述伪标准图像样本与所述标准图像样本的真假概率值；所述激活函数softmax层采用激活函数softmax以用于得到所述伪标准图像样本与所述标准样图像本的类别概率值。

6.根据权利要求4所述的方法，其特征在于，所述全连接层FC31输出通道数为128个；所述全连接层FC32输出通道数为64个；所述全连接层FC33输出通道数为1个或2个；所述全连接层FC34输出通道数为总样本类别数。

7.根据权利要求1所述的方法，其特征在于，所述损失函数表示为：

L_S＝E[logP(S＝real|X_real)]+E[logP(S＝fake|X_fake)]；

L_C＝E[logP(C＝c|X_real)]+E[logP(C＝c|X_fake)]；

其中，L_S表示所述真假概率值对应的损失函数；L_C表示所述所属类别概率值对应的损失函数；X_real表示真实图像样本；X_fake表示造假图像样本；S表示真假类别；C表示样本类别；P表示概率。