[发明专利]一种基于特征重标定生成对抗网络的图像分类方法有效
| 申请号： | 201810534540.6 | 申请日： | 2018-05-29 |
| 公开（公告）号： | CN108805188B | 公开（公告）日： | 2020-08-21 |
| 发明（设计）人： | 姜代红;黄轲;刘其开;戴磊 | 申请（专利权）人： | 徐州工程学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人： | 杨晓玲 |
| 地址： | 221018 江苏省*** | 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： | 一种基于特征重标定生成对抗网络的图像分类方法，适用于机器学习领域。将待分类的图像数据输入对抗网络模型进行网络训练；卷积网络构成的生成器和鉴别器；初始化随机噪声，将随机噪声输入生成器中；在生成器中利用卷积网络对随机噪声进行多层反卷积运算最终得到生成样本；将生成样本和和真实样本输入鉴别器；在鉴别器中利用卷积网络对输入样本进行卷积与池化操作从而得到特征图，在卷积网络中间层引入压缩激活SENet模块对特征图进行校准，得到校准后的特征图，使用全局平均池化，最终输出图像数据分类。在鉴别器的中间层引入SENet模块，自动学习每一个特征通道的重要程度，提取任务相关有用的特征抑制任务无关的特征，从而提高半监督学习表现。 | ||
| 搜索关键词： | 一种 基于 特征 标定 生成 对抗 网络 图像 分类 方法 | ||
【主权项】：
1.一种基于特征重标定生成对抗网络的图像分类方法，其特征在于步骤为：S1构造生成对抗网络模型，将待分类的图像数据输入对抗网络模型进行网络训练；S2构造卷积网络构成的生成器和鉴别器；S3初始化随机噪声，将随机噪声输入生成器中；S4在生成器中利用卷积网络对随机噪声进行多层反卷积运算最终得到生成样本；S5将生成样本和和真实样本输入鉴别器；S6在鉴别器中利用卷积网络对输入样本进行卷积与池化操作从而得到特征图，在卷积网络中间层引入压缩激活SENet模块对特征图进行校准，得到校准后的特征图，引入NIN网络使用全局平均池化，最终输出图像数据分类。
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徐州工程学院，未经徐州工程学院许可，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/201810534540.6/，转载请声明来源钻瓜专利网。
