[發(fā)明專利]基于生成對抗網(wǎng)絡(luò)的臺風(fēng)圖像智能檢測系統(tǒng)、計(jì)算機(jī)設(shè)備、存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110646983.6
• 申請日: 2021-06-10
• 公開（公告）號: CN113554212A
• 公開（公告）日: 2021-10-26
• 發(fā)明（設(shè)計(jì)）人: 謝鵬飛;宋弢;徐丹亞;孟凡;王家榮;韓潤生
• 申請（專利權(quán)）人: 中國石油大學(xué)（華東）
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08;G06Q50/26
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于生成對抗網(wǎng)絡(luò)的臺風(fēng)圖像智能檢測系統(tǒng)，其特征在于，包括以下步驟：

1)創(chuàng)建包括生成器網(wǎng)絡(luò)和判別器網(wǎng)絡(luò)的生成對抗網(wǎng)絡(luò)模型；

2)固定生成器網(wǎng)絡(luò)、訓(xùn)練判別器網(wǎng)絡(luò)，固定判別器網(wǎng)絡(luò)、訓(xùn)練生成器網(wǎng)絡(luò)；

3)使用訓(xùn)練好的生成對抗網(wǎng)絡(luò)模型，對臺風(fēng)圖像進(jìn)行智能檢測。

2.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述創(chuàng)建包括生成器網(wǎng)絡(luò)和判別器網(wǎng)絡(luò)的生成對抗網(wǎng)絡(luò)模型的操作步驟，具體包括：對于生成器網(wǎng)絡(luò)，輸入層中輸入的是二維的隨機(jī)噪聲，隱藏層的激活函數(shù)采用Leaky ReLU函數(shù)，隱藏層也采用Dropout機(jī)制防止過擬合，輸出層的激活函數(shù)采用Tan h函數(shù)；對于判別器網(wǎng)絡(luò)，輸入層中輸入的是生成器網(wǎng)絡(luò)生成的圖像數(shù)據(jù)和真實(shí)的臺風(fēng)圖像數(shù)據(jù)，隱藏層的激活函數(shù)采用Leaky ReLU函數(shù)，輸出層的分類函數(shù)采用Sigmoid函數(shù)。

3.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述固定生成器網(wǎng)絡(luò)、訓(xùn)練判別器網(wǎng)絡(luò)然后固定判別器網(wǎng)絡(luò)、訓(xùn)練生成器網(wǎng)絡(luò)的操作步驟，具體包括：固定生成器網(wǎng)絡(luò)的所有參數(shù)，將生成器網(wǎng)絡(luò)生成的圖像數(shù)據(jù)和真實(shí)的臺風(fēng)圖像數(shù)據(jù)輸入判別器網(wǎng)絡(luò)，設(shè)置真實(shí)圖像數(shù)據(jù)的標(biāo)簽為1、生成圖像數(shù)據(jù)的標(biāo)簽為0，訓(xùn)練判別器網(wǎng)絡(luò)直至對真實(shí)圖像數(shù)據(jù)的輸出為1、對生成圖像數(shù)據(jù)的輸出為0為止，這就達(dá)到了固定生成器網(wǎng)絡(luò)、訓(xùn)練判別器網(wǎng)絡(luò)的目的；然后固定判別器網(wǎng)絡(luò)的所有參數(shù)，將生成器網(wǎng)絡(luò)生成的圖像數(shù)據(jù)的標(biāo)簽設(shè)為1，訓(xùn)練生成器網(wǎng)絡(luò)直至判別器判別生成圖像數(shù)據(jù)的輸出為1為止，這就達(dá)到了固定判別器網(wǎng)絡(luò)、訓(xùn)練生成器網(wǎng)絡(luò)的目的。

4.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述使用訓(xùn)練好的生成對抗網(wǎng)絡(luò)模型、對臺風(fēng)圖像進(jìn)行智能檢測的操作步驟，具體包括：分別訓(xùn)練判別器網(wǎng)絡(luò)和生成器，直到整體的損失函數(shù)降到0.5以下為止，此時(shí)生成對抗網(wǎng)絡(luò)模型便訓(xùn)練完成了。使用訓(xùn)練好的生成對抗網(wǎng)絡(luò)模型，對臺風(fēng)圖像進(jìn)行智能檢測，并設(shè)置生成的圖像數(shù)量與臺風(fēng)圖像數(shù)據(jù)集的數(shù)據(jù)量相同。

5.計(jì)算機(jī)設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可被所述處理器運(yùn)行的程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)以下步驟：創(chuàng)建包括生成器網(wǎng)絡(luò)和判別器網(wǎng)絡(luò)的生成對抗網(wǎng)絡(luò)模型；固定生成器網(wǎng)絡(luò)、訓(xùn)練判別器網(wǎng)絡(luò)，固定判別器網(wǎng)絡(luò)、訓(xùn)練生成器網(wǎng)絡(luò)；使用訓(xùn)練好的生成對抗網(wǎng)絡(luò)模型，對臺風(fēng)圖像進(jìn)行智能檢測。

6.如權(quán)利要求8所述的計(jì)算機(jī)設(shè)備，其特征在于，所述創(chuàng)建包括生成器網(wǎng)絡(luò)和判別器網(wǎng)絡(luò)的生成對抗網(wǎng)絡(luò)模型的步驟，具體包括：對于生成器網(wǎng)絡(luò)，輸入層中輸入的是二維的隨機(jī)噪聲，隱藏層的激活函數(shù)采用Leaky ReLU函數(shù)，隱藏層也采用Dropout機(jī)制防止過擬合，輸出層的激活函數(shù)采用Tan h函數(shù)；對于判別器網(wǎng)絡(luò)，輸入層中輸入的是生成器網(wǎng)絡(luò)生成的圖像數(shù)據(jù)和真實(shí)的臺風(fēng)圖像數(shù)據(jù)，隱藏層的激活函數(shù)采用Leaky ReLU函數(shù)，輸出層的分類函數(shù)采用Sigmoid函數(shù)。

7.如權(quán)利要求8所述的計(jì)算機(jī)設(shè)備，其特征在于，所述固定生成器網(wǎng)絡(luò)、訓(xùn)練判別器網(wǎng)絡(luò)然后固定判別器網(wǎng)絡(luò)、訓(xùn)練生成器網(wǎng)絡(luò)的操作步驟，具體包括：固定生成器網(wǎng)絡(luò)的所有參數(shù)，將生成器網(wǎng)絡(luò)生成的圖像數(shù)據(jù)和真實(shí)的臺風(fēng)圖像數(shù)據(jù)輸入判別器網(wǎng)絡(luò)，設(shè)置真實(shí)圖像數(shù)據(jù)的標(biāo)簽為1、生成圖像數(shù)據(jù)的標(biāo)簽為0，訓(xùn)練判別器網(wǎng)絡(luò)直至對真實(shí)圖像數(shù)據(jù)的輸出為1、對生成圖像數(shù)據(jù)的輸出為0為止，這就達(dá)到了固定生成器網(wǎng)絡(luò)、訓(xùn)練判別器網(wǎng)絡(luò)的目的；然后固定判別器網(wǎng)絡(luò)的所有參數(shù)，將生成器網(wǎng)絡(luò)生成的圖像數(shù)據(jù)的標(biāo)簽設(shè)為1，訓(xùn)練生成器網(wǎng)絡(luò)直至判別器判別生成圖像數(shù)據(jù)的輸出為1為止，這就達(dá)到了固定判別器網(wǎng)絡(luò)、訓(xùn)練生成器網(wǎng)絡(luò)的目的。

8.如權(quán)利要求8所述的計(jì)算機(jī)設(shè)備，其特征在于，所述使用訓(xùn)練好的生成對抗網(wǎng)絡(luò)模型、對臺風(fēng)圖像進(jìn)行智能檢測的步驟，具體包括：分別訓(xùn)練判別器網(wǎng)絡(luò)和生成器，直到整體的損失函數(shù)降到0.5以下為止，此時(shí)生成對抗網(wǎng)絡(luò)模型便訓(xùn)練完成了。使用訓(xùn)練好的生成對抗網(wǎng)絡(luò)模型，對臺風(fēng)圖像進(jìn)行智能檢測，并設(shè)置生成的圖像數(shù)量與臺風(fēng)圖像數(shù)據(jù)集的數(shù)據(jù)量相同。

9.存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其特征在于，當(dāng)所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)以下步驟：存儲數(shù)據(jù)集數(shù)據(jù)、訓(xùn)練日志、網(wǎng)絡(luò)參數(shù)等所有數(shù)據(jù)到指定目錄下。