[發(fā)明專利]一種利用生成對抗網(wǎng)絡(luò)加速的結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法有效
| 申請?zhí)枺?/td> | 201811637907.3 | 申請日: | 2018-12-29 |
| 公開(公告)號: | CN109783910B | 公開(公告)日: | 2020-08-28 |
| 發(fā)明(設(shè)計(jì))人: | 鄭帥;何真真;黃從甲;田智強(qiáng);李寶童 | 申請(專利權(quán))人: | 西安交通大學(xué) |
| 主分類號: | G06F30/27 | 分類號: | G06F30/27;G06F30/18;G06N3/04;G06N3/08 |
| 代理公司: | 西安通大專利代理有限責(zé)任公司 61200 | 代理人: | 王艾華 |
| 地址: | 710049 陜*** | 國省代碼: | 陜西;61 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 利用 生成 對抗 網(wǎng)絡(luò) 加速 結(jié)構(gòu) 優(yōu)化 設(shè)計(jì) 方法 | ||
1.一種利用生成對抗網(wǎng)絡(luò)加速的結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法,其特征在于,包括以下步驟:
第一步、使用SIMP算法準(zhǔn)備數(shù)據(jù)
在所有拓?fù)鋬?yōu)化方法中選用傳統(tǒng)的SIMP算法來生成少量優(yōu)化過程圖,并按照9:1的比例將生成的過程圖數(shù)據(jù)分為訓(xùn)練集和測試集;
第二步、利用數(shù)據(jù)增強(qiáng)技術(shù)對數(shù)據(jù)集進(jìn)行擴(kuò)充
隨機(jī)獲取數(shù)據(jù)集中的數(shù)據(jù),并進(jìn)行以下操作:1)產(chǎn)生隨機(jī)數(shù)A,若其大于0.5則進(jìn)行上下翻轉(zhuǎn);2)產(chǎn)生隨機(jī)數(shù)B,若其大于0.5則進(jìn)行左右翻轉(zhuǎn);3)產(chǎn)生隨機(jī)數(shù)C,若其大于0.5則進(jìn)行順時(shí)針旋轉(zhuǎn);
第三步、使用編碼器-解碼器構(gòu)建生成器
自動編碼器算法將神經(jīng)網(wǎng)絡(luò)的隱含層看成是一個(gè)編碼器和解碼器,使用編碼器學(xué)習(xí)輸入數(shù)據(jù)的隱含特征,解碼器可使用學(xué)習(xí)到的新特征重構(gòu)出原始輸入數(shù)據(jù);
第四步、使用深度卷積網(wǎng)絡(luò)構(gòu)建判別器
將一張生成圖片或者真實(shí)的最終結(jié)果圖像作為判別器的輸入;經(jīng)過多層帶有步長的卷積層網(wǎng)絡(luò)進(jìn)行特征提取后,最終生成和標(biāo)簽大小相同的、內(nèi)參僅為0或1的數(shù)據(jù);
第五步、使用變形的pix2pix模型進(jìn)行訓(xùn)練
生成器網(wǎng)絡(luò)和判別器網(wǎng)絡(luò)分別定義完成后,需要將兩者連接起來循環(huán)訓(xùn)練;先固定生成器訓(xùn)練判別器,使用均方誤差MSE方法計(jì)算損失值,該損失值來自兩部分,一部分為輸入真實(shí)結(jié)果圖得到的輸出值與全1標(biāo)簽之間的均方誤差,另一部分為輸入生成結(jié)果圖得到的輸出值與全0標(biāo)簽之間的均方誤差,向著判別器總損失下降的方向進(jìn)行訓(xùn)練以達(dá)到訓(xùn)練判別器的目的;再固定判別器訓(xùn)練生成器,使用均方誤差MSE方法計(jì)算損失值,該損失值的獲取較判別器損失值的獲取復(fù)雜,應(yīng)先構(gòu)建一個(gè)Model,該Model的輸入為生成器的兩個(gè)輸入,輸出為生成器的輸出和判別器生成的標(biāo)簽,其中判別器的輸入為生成器的輸出;則生成器的損失值即為判別器生成的標(biāo)簽和全1標(biāo)簽之間的均方誤差,向著生成器損失下降的方向進(jìn)行訓(xùn)練以達(dá)到訓(xùn)練生成器的目的;多次循環(huán)進(jìn)行固定生成器訓(xùn)練判別器、固定判別器訓(xùn)練生成器的操作,直到判別器的錯(cuò)誤率為50%左右為止;
第六步、使用最終模型
對變形的pix2pix模型進(jìn)行訓(xùn)練,生成器的圖像生成能力和判別器的判別能力將會得到提高,每訓(xùn)練10次進(jìn)行訓(xùn)練結(jié)果輸出和當(dāng)前生成器模型的保存;當(dāng)訓(xùn)練總過程結(jié)束后,首先通過傳統(tǒng)的SIMP算法計(jì)算少量迭代步驟,將迭代結(jié)果輸入到最終保存的生成器模型中進(jìn)行處理,可迅速得到最終生成結(jié)果圖,從而實(shí)現(xiàn)最終優(yōu)化結(jié)構(gòu)的快速計(jì)算。
2.根據(jù)權(quán)利要求1所述的一種利用生成對抗網(wǎng)絡(luò)加速的結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法,其特征在于,使用編碼器-解碼器構(gòu)建生成器具體操作如下:取出數(shù)據(jù)集中的數(shù)據(jù)并進(jìn)行第二步中的操作,將處理后得到的數(shù)據(jù)喂入編碼器網(wǎng)絡(luò)進(jìn)行特征提取并完成圖像壓縮任務(wù);將編碼器網(wǎng)絡(luò)輸出的feature map再送入解碼器網(wǎng)絡(luò),可將被壓縮的圖像進(jìn)行放大,在此過程中,將編碼器和解碼器過程中具有相同尺寸的feature map連接到解碼器中,以便充分利用編碼器網(wǎng)絡(luò)中的結(jié)構(gòu)信息,保持特征的不變性,達(dá)到更好的重建效果。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于西安交通大學(xué),未經(jīng)西安交通大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811637907.3/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 農(nóng)業(yè)信息對抗資源目標(biāo)規(guī)劃最優(yōu)分配方法
- 農(nóng)業(yè)信息對抗資源模糊規(guī)劃最優(yōu)分配方法
- 農(nóng)業(yè)信息對抗資源線性規(guī)劃最優(yōu)分配方法
- 基于聚類數(shù)據(jù)挖掘的對抗行為搜索算法
- 面向多種對抗圖片攻擊的協(xié)同免疫防御方法
- 一種自適應(yīng)對抗強(qiáng)度的對抗訓(xùn)練方法
- 對抗攻擊模型的訓(xùn)練方法及裝置
- 對抗樣本的生成方法和裝置
- 多樣本對抗擾動生成方法、裝置、存儲介質(zhì)和計(jì)算設(shè)備
- 一種無人集群協(xié)同博弈對抗的控制方法及系統(tǒng)
- 網(wǎng)絡(luò)和網(wǎng)絡(luò)終端
- 網(wǎng)絡(luò)DNA
- 網(wǎng)絡(luò)地址自適應(yīng)系統(tǒng)和方法及應(yīng)用系統(tǒng)和方法
- 網(wǎng)絡(luò)系統(tǒng)及網(wǎng)絡(luò)至網(wǎng)絡(luò)橋接器
- 一種電力線網(wǎng)絡(luò)中根節(jié)點(diǎn)網(wǎng)絡(luò)協(xié)調(diào)方法和系統(tǒng)
- 一種多網(wǎng)絡(luò)定位方法、存儲介質(zhì)及移動終端
- 網(wǎng)絡(luò)裝置、網(wǎng)絡(luò)系統(tǒng)、網(wǎng)絡(luò)方法以及網(wǎng)絡(luò)程序
- 從重復(fù)網(wǎng)絡(luò)地址自動恢復(fù)的方法、網(wǎng)絡(luò)設(shè)備及其存儲介質(zhì)
- 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法、裝置及存儲介質(zhì)
- 網(wǎng)絡(luò)管理方法和裝置





