[發明專利]一種基于原始生成對抗網絡模型的分組卷積方法在審
| 申請號： | 201810101710.1 | 申請日： | 2018-02-01 |
| 公開（公告）號： | CN108470208A | 公開（公告）日： | 2018-08-31 |
| 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： | G06N3/04 | 分類號： | G06N3/04;G06N3/063;G06N3/08;G06K9/62 |
| 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 |
| 地址： | 510640 廣*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 卷積 網絡模型 分組 原始生成 對抗 神經網絡 生成器 學習神經網絡 隨機噪聲 損失函數 整個網絡 初始化 判別器 特征圖 融合 構建 更新 | ||
【權利要求書】：
1.一種基于原始生成對抗網絡模型的分組卷積方法，其特征在于，所述的分組卷積方法包括下列步驟：
S1、構造原始生成對抗網絡模型，通過生成器生成圖像并輸入至判別器進行網絡訓練；
S2、構造包含N個卷積核的神經網絡充當生成器與判別器的功能；
S3、初始化隨機噪聲，輸入生成器中；
S4、設定分組數量N，使神經網絡的卷積在N個GPU上進行；
S5、將N個特征圖進行融合，更新損失函數，進行后續訓練。
2.根據權利要求1所述的一種基于原始生成對抗網絡模型的分組卷積方法，其特征在于，所述的卷積核和所述的GPU的數量N是根據數據集圖像特征的復雜程度進行設置。
3.根據權利要求1所述的一種基于原始生成對抗網絡模型的分組卷積方法，其特征在于，所述的步驟S4過程如下：
S41、設定分組數量N；
S42、將卷積分配到N個GPU上同時進行。
4.根據權利要求1所述的一種基于原始生成對抗網絡模型的分組卷積方法，其特征在于，所述的步驟S5過程如下：
S51、收集各個分組GPU卷積之后的特征圖；
S52、將N個特征圖進行融合，更新損失函數，進行后續訓練。
5.根據權利要求1所述的一種基于原始生成對抗網絡模型的分組卷積方法，其特征在于，所述的損失函數的表達式為：
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。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于華南理工大學，未經華南理工大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810101710.1/1.html，轉載請聲明來源鉆瓜專利網。
