[发明专利]基于LSTM和DCGAN的时序性图像预测方法有效
| 申请号： | 201910084351.8 | 申请日： | 2019-01-29 |
| 公开（公告）号： | CN109829495B | 公开（公告）日： | 2023-04-07 |
| 发明（设计）人： | 方巍;张飞鸿;丁叶文 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/77;G06V10/82;G06N3/0442;G06N3/0455;G06N3/084 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 210000 江*** | 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： | 本发明公开了一种基于LSTM和DCGAN的时序性图像预测方法，将DCGAN出色的特征捕捉能力与LSTM进行结合，可使得预测的图像数据可视化，便于直接观察；经过改进后的LSTM网络内部具有卷积特性，能直接学习到图像数据的二维空间特征；为减少其内部学习复杂度，将传统的输入图像改为输入特征；特征来源于DCGAN的提取，相对于原始图像在维度方面有了很大的简化，使得整体网络可控。本发明通过DCGAN很好的降低了特征维度，解决了高维不可计算的问题；改进后的LSTM能够更好地学习到时序性特征，从而实现更精确的预测；整体网络结构在连接方法上遵从栈式级联策略，为控制网络深度提供保障。本发明提出的时序性图像预测模型架构理论上适用于所有的时序性图像。 | ||
| 搜索关键词： | 基于 lstm dcgan 时序 图像 预测 方法 | ||
【主权项】：
1.一种基于LSTM和DCGAN的时序性图像预测方法，其特征在于，包括步骤：(1)构建DCGAN编码器，包括编码模块和解码模块，两个模块之间接入LSTM时序预测网络；(2)对构建的编码器进行训练，前馈传播完成后，计算损失函数，对编码器进行整体参数调优；(3)DCGAN编码器内部，编码模块、解码模块和LSTM的连接处都采用栈式级联策略；(4)使用LSTM时序预测网络，针对输入的时间序列，进行未来时段输出序列预测。
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南京信息工程大学，未经南京信息工程大学许可，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/201910084351.8/，转载请声明来源钻瓜专利网。
