[發明專利]一種基于WGAN模型的可變形卷積核方法

在審

• 申請號: 201711123711.8
• 申請日: 2017-11-14
• 公開（公告）號: CN107886162A
• 公開（公告）日: 2018-04-06
• 發明（設計）人: 周智恒;李立軍;胥靜;朱湘軍;李利蘋;汪壯雄
• 申請（專利權）人: 華南理工大學;廣州視聲智能股份有限公司;廣州視聲智能科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司44245
• 代理人: 李斌

1.一種基于WGAN模型的可變形卷積核方法，其特征在于，所述的可變形卷積核方法包括下列步驟：

S1、構造原始生成對抗網絡模型，通過生成器生成圖像輸入至判別器進行網絡訓練；

S2、構造沃瑟斯坦距離，作為對抗網絡模型的評判指標；

S3、初始化隨機噪聲，輸入生成器中；

S4、在WGAN模型中利用可變形卷積核對圖像進行卷積；

S5、將可變形卷積操作得到的損失函數輸入生成器進行后續訓練。

2.根據權利要求1所述的一種基于WGAN模型的可變形卷積核方法，其特征在于，所述的步驟S4具體過程如下：

S41、構造多個不同數值但大小相同的卷積核；

S42、通過網絡訓練過程中反傳的誤差，對卷積核的形狀進行自適應的改變。

3.根據權利要求1所述的一種基于WGAN模型的可變形卷積核方法，其特征在于，所述的步驟S5具體過程如下：

S51、將可變形卷積之后得到的圖像特征圖，輸入判別器中進行判別；

S52、將可變形卷積操作得到的損失函數輸入生成器進行后續訓練；

S53、將所有損失函數的均值輸入至生成器中繼續進行訓練。

4.根據權利要求1所述的一種基于WGAN模型的可變形卷積核方法，其特征在于，所述的損失函數的表達式為：

L(D)=-Ex~pr[D(x)]+Ex~pg[D(x)]+λEx~X▿x]]>

其中，D(x)表示判別器對圖像的判別，pr表示數據集圖像的分布，pg表示生成圖像的分布，λ為超參數，為梯度，E為取均值的操作符號。