基于生成对抗网络的车牌图片生成方法、介质和设备.pdf
俊英****22
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于生成对抗网络的车牌图片生成方法、介质和设备.pdf
本发明公开了基于生成对抗网络的车牌图片生成方法、介质和设备,方法包括构建生成对抗网络模型,包括生成网络和判别网络;对生成对抗网络模型进行训练;输入目标车牌字符,目标车牌字符与随机噪声被传送到生成网络,得到目标车牌图片。本发明采用了卷积生成对抗网络模型,基于少量的样本,自主生成车牌图片,解决了车牌样本较少的问题。经过对生成对抗网络模型的训练,能够生成无限多的车牌图片,也能生成想要的车牌字符图片。
基于对抗生成网络的国画绘制过程生成方法、装置和设备.pdf
本申请涉及人工智能技术领域的一种基于对抗生成网络的国画绘制过程生成方法、装置和设备,该方法通过获取风格相同的多幅国画图像和每幅国画图像对应的绘制步骤图像序列,并对该序列按照绘画步骤先后进行标记得到对应标签;将预处理后的绘制步骤图像序列作为训练样本;构建对抗生成网络的生成器和判别器,生成器为UNet网络,判别器与Stargan的判别器结构相同;采用训练样本、国画图像以及标签对生成器和判别器进行训练,得到训练好的生成器;将待处理国画图像和预设标签输入到训练好的生成器中,得到对应的国画绘制步骤图像。采用本方法解
基于量子化生成模型和神经网络的对抗生成网络构建方法.pdf
本发明公开一种基于量子化生成模型和神经网络的对抗生成网络构建方法,包括:(1)选定目标函数生成训练样本集,初始化生成和判别网络模型的参数向量;(2)根据目标函数选取量子比特纠缠对,构造量子生成网络模型的结构;(3)生成网络模型得到的生成样本集和训练样本集混合送入判别模型,由判别模型进行样本集判别;(4)根据对抗训练算法分别计算代价损失函数,通过梯度下降优化更新对应网络模型的参数向量;(5)若达到收敛标准则输出步骤(4)中得到的生成网络模型,否则返回步骤(3)。本发明在保留经典对抗生成网络算法优势的同时,结
一种基于双层生成对抗网络的对抗样本生成方法.pdf
本发明提出了一种基于双层生成对抗网络的对抗样本生成方法,涉及人工智能安全领域。该方法采用第一层条件生成对抗网络、特征提取器、第二层生成对抗网络和目标网络;条件生成对抗网络用于生成新的样本,其鉴别器不但要分辨生成样本的真实性,还对其类别进行判定;特征提取器用于提取原始样本隐藏层特征,生成具有对抗先验的扰动;第二层生成对抗网络用于生成对抗扰动,鉴别器分析对抗样本的真实性及其与条件生成对抗网络生成样本的相似性;目标网络用于验证对抗样本的攻击成功率。本发明利用两层神经网络分别生成特定类别的样本和对抗扰动,能够实现
一种基于生成对抗网络的旋律生成方法.pdf
本发明公开了一种基于生成对抗网络的旋律生成方法,包括:数据预处理,从原始MIDI文件中提取出旋律轨道的事件序列;生成器训练,应用生成对抗网络对事件序列进行训练得到GAN生成器模型;音乐生成,利用GAN生成器模型生成音乐。采用对抗生成网络生成旋律,通过生成对抗模型的显著特征,即不断的在生成和判别之间进行博弈优化的特点,得到优质的旋律,帮助作曲家生成原始的旋律,有助于艺术创作。在判别器前增加增强判别器,增加领域知识的判断,更有利于训练过程中判别器快速收敛迭代,缩短训练时间。