[發明專利]一種基于DCGAN性能的動態調整方法

有效

• 申請號: 201710403434.X
• 申請日: 2017-06-01
• 公開（公告）號: CN107392312B
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 周智恒;李立軍
• 申請（專利權）人: 華南理工大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 羅觀祥

1.一種基于DCGAN性能的動態調整方法，其特征在于，所述動態調整方法包括下列步驟：

S1、采用深度卷積神經網絡CNN作為生成器和判別器的生成式對抗網絡GAN，構造深度卷積生成式對抗網絡DCGAN；

S2、利用圖像數據集對網絡進行訓練；

S3、利用生成器和判別器的網絡損失函數定義生成器和判別器性能；

S4、根據生成器和判別器的性能定義網絡生成圖像的能力；

S5、實時監控網絡訓練，實現網絡生成圖像能力的動態調整；

所述的步驟S5具體如下：

S51、對于網絡訓練的每一次迭代i，記錄生成器和判別器損失函數的值，記為Lg和Ld；

S52、計算Lg和Ld的差值(Lg-Ld)，記為M_i；

S53、對于下一次迭代，繼續執行S51、S52步驟，記差值為M_i+1；

S54、若M_i和M_i+1不同號，則返回繼續執行步驟S51～S53，否則執行步驟S55；

S55、若M_i和M_i+1同號，則構造函數f(i)＝M_i，i＝1,2,3,…；

S56、計算函數f(i)的導數f’(i)，若f’(i)0，則停止判別器訓練，返回執行步驟S51～S56，直至f’(i)＝0或f’(i)0，否則執行步驟S57；

S57、若f’(i)0，則停止生成器訓練，返回執行步驟S51～S56，直至f’(i)＝0或f’(i)0，否則執行步驟S58；

S58、若f’(i)＝0，則返回繼續執行步驟S51～S56。

2.根據權利要求1所述的一種基于DCGAN性能的動態調整方法，其特征在于，所述的步驟S2具體如下：

在網絡訓練的初始階段，隨機初始化所有的參數和權重，然后利用梯度下降的方法對參數不斷進行調整。

3.根據權利要求1所述的一種基于DCGAN性能的動態調整方法，其特征在于，所述的步驟S3中采用交叉熵函數分別作為生成器和判別器的網絡損失函數，該交叉熵函數如下：

C＝-1/n∑_x[ylna+(1-y)ln(1-a)]

式中：C為損失函數的總稱，n為樣本個數，y為實際輸出，a為期望輸出。

4.根據權利要求1所述的一種基于DCGAN性能的動態調整方法，其特征在于，所述的步驟S4中將生成器和判別器的損失函數的差值作為評判整個網絡性能的指標，過程如下：

S41、對于網絡訓練的每一次迭代i，記錄生成器和判別器損失函數的值，記為Lg和Ld；

S42、計算Lg和Ld的差值(Lg-Ld)，記為M_i，M_i即代表整個網絡的性能。