[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在审
| 申请号： | 201810101317.2 | 申请日： | 2018-02-01 |
| 公开（公告）号： | CN108470196A | 公开（公告）日： | 2018-08-31 |
| 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： | G06K9/68 | 分类号： | G06K9/68;G06N3/04;G06N3/08;G06T11/00 |
| 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深度卷积对抗网络模型生成手写数字的方法，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、准备好手写数据集，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。本发明中生成手写数字的方法构建的深度卷积对抗网络模型，通过将生成器生成图像与手写数字数据集一并输入判别器进行训练，生成器能够自动生成手写数字的图像。 | ||
| 搜索关键词： | 手写数字 生成器 网络模型 卷积 对抗 判别器 卷积神经网络 学习神经网络 生成图像 手写数据 输入判别 随机噪声 损失函数 原始生成 自动生成 初始化 数据集 构建 图像 | ||
【主权项】：
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。
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/201810101317.2/，转载请声明来源钻瓜专利网。
- 上一篇：视频身份管理方法及装置
- 下一篇：一种旋转和固定稳定的卡库结构
