[发明专利]一种多判别器误差反传的对抗网络方法

权利要求书

1.一种多判别器误差反传的对抗网络方法，其特征在于，所述的动态调整算法包括下列步骤：

S1、构造生成对抗网络GAN模型，模型包含生成器和判别器；

S2、在现有GAN模型的基础上构造多个判别器；

S3、准备好数据集对改进之后的多判别器网络进行训练；

S4、在每次训练的过程中，记录所有判别器的损失函数；

S5、计算所有判别器损失函数的平均值，返回至生成器进行后续的网络训练。

2.根据权利要求1所述的一种多判别器误差反传的对抗网络方法，其特征在于，所述的步骤S2具体如下：

在原有GAN模型的基础上，复制多个判别器，分别同时接收来自生成器的生成图像和来自数据集的不同的真实图像。

3.根据权利要求1所述的一种多判别器误差反传的对抗网络方法，其特征在于，所述的步骤S3具体如下：

S31、根据判别器的数量，选定数据集中的同等数量的真实图像；

S32、将互不相同的来自数据集中的真实图像，输入判别器中进行训练。

4.根据权利要求1所述的一种多判别器误差反传的对抗网络方法，其特征在于，所述的步骤S4具体如下：

S41、将数据集中的图像输入判别器中进行训练；

S42、记录每一个判别器在每次迭代之后的损失函数。

5.根据权利要求1所述的一种多判别器误差反传的对抗网络方法，其特征在于，所述的步骤S5具体如下：

S51、计算所有判别器在每次迭代之后的损失函数之和；

S52、根据判别器数量的大小，对求和之后的损失函数求平均操作；

S53、将求平均之后的损失函数返回至生成器中继续进行网络训练。