基于生成对抗网络的小样本声呐图像分类识别优化方法.pdf
星菱****23
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于生成对抗网络的小样本声呐图像分类识别优化方法.pdf
本发明涉及一种基于生成对抗网络的小样本声呐图像分类识别优化方法,利用真实声呐图像样本通过生成对抗网络进行数据合成,合成数据作为真实训练样本的扩充数据用于深层卷积神经网络训练,完成对水下目标声呐图像更加准确的分类与识别。使用合成图像数据对原有小样本情况下的数据集互补增强后进行网络训练,能够避免深层卷积神经网络过拟合问题,获得86.85%的识别准确率,识别精度有明显提升,有效解决了水下目标识别研究中声呐图像样本不足的问题,具有广泛的应用前景,可进一步应用于实测水下目标声呐图像的分类识别。
基于生成对抗网络的生物组织图像的自动分类方法和系统.pdf
本发明公开一种基于生成对抗网络的生物组织图像的自动分类方法和系统,其中,生物组织图像的自动分类方法包括:获取生物组织图像;根据图像分类所需的生物组织特征对生物组织图像进行图像预处理,得到目标图像数据集;使用目标图像数据集训练生成对抗网络,生成图像数据合集;使用目标图像数据集和图像数据合集,训练卷积神经网络模型;当卷积神经网络模型训练完成时,使用卷积神经网络模型对生物组织图像进行图像分类。本发明的技术方案能解决现有技术中合成的生物组织图像在解释合成原理方面存在局限,导致生成的生物组织图像模糊,进而导致神经网
基于姿态指导行人图像生成的孪生生成式对抗网络的行人重识别方法.pdf
本发明公开了一种基于姿态指导行人图像生成的孪生生成式对抗网络的行人重识别方法。其实现方案是:根据行人图像数据集,对行人图像进行目标检测获取训练样本;构建基于多样性样本生成的孪生生成式对抗网络模型,该模型对目标检测后输入的两组行人图像的姿态属性信息互换,实现多样性样本的生成;构建基于保持身份特征的孪生生成式对抗网络模型,该模型利用身份判别器保留生成行人图像的身份信息,从而提升行人重识别对生成行人图像身份的鲁棒性;针对生成式对抗网络优化困难的问题,构建基于多目标优化的孪生生成式对抗网络参数学习方法;为了验证提
一种基于生成对抗图像补全网络的步态识别方法.pdf
本发明公开一种基于生成对抗图像补全网络的步态识别方法,能解决中小面积人体遮挡的步态识别方法。包括以下步骤:首先为了解决行走过程中人体局部遮挡的问题,提出了一种基于WassersteinGAN的步态轮廓图生成网络,能够为图像中的遮挡区域生成上下文一致的补全图像;其次,为了减少噪声对特征提取的影响,采用具有鲁棒性的堆叠自动编码器进行特征提取;最后,为了提高分类的能力,采用稀疏编码的方法对步态特征进行表示与分类,使分类结果更加精确。
基于改进的生成对抗网络的图像去模糊方法.pdf
本发明公开了一种基于改进的生成对抗网络的图像去模糊方法,包括步骤:一、将待去模糊的图像输入预先训练好的改进的生成对抗网络中;二、所述改进的生成对抗网络对待去模糊的图像进行去模糊处理,得到去模糊后的图像。本发明针对非盲去模糊方法估计模糊核时的不适定问题,采用深度学习的方法,在分析生成对抗网络的理论基础上,提出了一种基于改进的生成对抗网络的图像去模糊方法,在生成对抗网络的基础上,构建了改进的生成对抗网络,引入加权的思想构建新的目标函数,通过调节权值系数来平衡正向KL散度和反向KL散度的占比,能够更好地复原出清