[發明專利]一種基于雙判別器加權生成對抗網絡的手寫數字生成方法在審
| 申請號： | 202011342015.8 | 申請日： | 2020-11-25 |
| 公開（公告）號： | CN112598125A | 公開（公告）日： | 2021-04-02 |
| 發明（設計）人： | 劉寶;高娜;黃夢濤;劉海;閆洪霖;張金玉;宋美玉;王良;師露露;翟曉航 | 申請（專利權）人： | 西安科技大學;陜西中一時代科技有限公司 |
| 主分類號： | G06N3/08 | 分類號： | G06N3/08;G06K9/62 |
| 代理公司： | 西安銘澤知識產權代理事務所(普通合伙) 61223 | 代理人： | 吳林 |
| 地址： | 710054 陜*** | 國省代碼： | 陜西;61 |
| 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 判別 加權 生成 對抗 網絡 手寫 數字 方法 | ||
1.一種基于雙判別器加權生成對抗網絡的手寫數字生成方法，其特征在于，包括以下步驟：
S1：建立D2WGAN網絡模型，所述D2WGAN網絡模型由生成器G、判別器D1和判別器D2組成，所述D2WGAN網絡模型通過反向傳播進行訓練；
S2：對D2WGAN網絡模型進行理論分析，驗證在最優判別器下，通過最小化模型與真實數據之間的KL散度和反向KL散度，生成器恢復生成手寫數字的真實數據。
2.如權利要求1所述的一種基于雙判別器加權生成對抗網絡的手寫數字生成方法，其特征在于，所述步驟S1訓練過程具體為：
S11：采用MNIST數據集作為訓練樣本；
S12：搭建生成器和判別器模型；
S13：建立判別器和生成器的損失函數；
S14：訓練生成器和判別器模型。
3.如權利要求2所述的一種基于雙判別器加權生成對抗網絡的手寫數字生成方法，其特征在于，所述步驟S12中生成器和判別器的輸入輸出關系如下所示：
生成器的輸入輸出表達關系為：
其中：T(G)表示生成網絡G的輸出，為從噪聲空間Pz中采樣出m個樣本；
判別器D1的輸入輸出表達關系為：
其中：T(D1)表示判別網絡D1的輸出，為從真實數據空間Pdata中采樣出m個樣本；
判別器D2的輸入輸出表達關系為：
其中：T(D2)表示判別網絡D2的輸出。
4.如權利要求2所述的一種基于雙判別器加權生成對抗網絡的手寫數字生成方法，其特征在于，所述步驟S13中首先獲得生成器和判別器的輸入，生成器的輸入為噪聲z，z滿足隨機噪聲分布Pz，判別器的輸入包括生成器生成的樣本以及真實數據樣本x，將噪聲數據輸入生成器得到G(z)，將生成器生成的樣本G(z)分別輸入到判別器D1和判別器D2得到D1(G(z)和D2(G(z)，將真實數據x輸入到判別器D1和判別器D2得到D1(x)和D2(x)；
判別器的損失函數為：
Loss_D＝Loss_D1+Loss_D2 (6)
其中：Loss_D1為判別器D1的損失函數，Loss_D2為判別器D2的損失函數，Loss_D為總的判別器的損失函數，兩個超參數之間的關系為：0≤ω≤1且ρ+ω＝1判別器D1主要側重于真實數據，判別器D2主要側重于生成器生成的數據，兩個判別器之間通過加權連接；
生成器的損失函數為：
5.如權利要求2所述的一種基于雙判別器加權生成對抗網絡的手寫數字生成方法，其特征在于，所述步驟S14中訓練過程中采用Adam優化器進行訓練，其公式如下：
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西安科技大學;陜西中一時代科技有限公司，未經西安科技大學;陜西中一時代科技有限公司許可，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/202011342015.8/1.html，轉載請聲明來源鉆瓜專利網。
