[發明專利]一種基于生成式對抗網絡的圖像單分類方法有效
| 申請號： | 201810225111.0 | 申請日： | 2018-03-19 |
| 公開（公告）號： | CN108491874B | 公開（公告）日： | 2021-10-12 |
| 發明（設計）人： | 汪清;郎玥;侯春萍;楊陽;管岱;黃丹陽 | 申請（專利權）人： | 天津大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62 |
| 代理公司： | 天津市北洋有限責任專利代理事務所 12201 | 代理人： | 程毓英 |
| 地址： | 300072*** | 國省代碼： | 天津;12 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 生成 對抗 網絡 圖像 分類 方法 | ||
1.一種基于生成式對抗網絡的圖像單分類方法，包括如下步驟：
(1)采用密集連接塊結構構建生成式對抗網絡中的生成器：生成器的輸入為一個一維的隨機變量z，其分布服從正態分布，將z轉化為服從訓練正樣本分布的合成負樣本圖像；
(2)構建生成式對抗網絡中的判別器：同樣采用密集連接塊結構，將判別器的最后一層調整為“softmax”層，采用均方誤差函數作為損失函數，判別器計算出當前輸入樣本為正樣本或負樣本的概率之后，直接輸出對輸入圖像的單分類結果，構建出適合于單分類的判別器；
(3)輸入正樣本訓練數據，并采用梯度懲罰算法對生成式對抗網絡進行訓練；
(4)根據訓練過程中模型在驗證集上的分類效果，調整網絡參數，使用早停策略EarlyStopping找到模型的分類最優迭代次數；
(5)模型訓練完成后，利用生成式對抗網絡中的判別器，對測試集數據進行測試，并通過分類召回率CRI判斷模型的分類效果，圖像單分類中，對于第i個輸入，其單分類結果Ci表示為：
Ci∈{TP,TN,FP,FN},i∈I
式中，I表示測試樣本集，TP表示被模型預測為正的正樣本，TN表示被模型預測為負的負樣本，FP表示被模型預測為正的負樣本，FN表示被模型預測為負的正樣本，單分類器評估指標——分類召回率CRI：
式中
若CRI高于0.4，則認為模型具有較好的單分類效果，若低于0.4則需要調整模型的參數重新訓練。
2.根據權利要求1所述的方法，其特征在于，步驟(3)所述的梯度懲罰算法是使用Lipschitz約束替代梯度回傳過程中的權重截斷的方法。
3.根據權利要求1所述的方法，其特征在于，步驟(3)還加入批量正則化的方法，將一批輸入數據的回傳梯度進行正則化，防止由于梯度過小造成的梯度懲罰力度不夠的問題。
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天津大學，未經天津大學許可，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/201810225111.0/1.html，轉載請聲明來源鉆瓜專利網。
