[发明专利]一种基于相似度约束的解耦表示学习算法

权利要求书

1.一种基于相似度约束的解耦表示学习算法，其特征在于，具体步骤如下：

步骤一，准备数据集；

步骤二，选择模型的结构：采用使用梯度惩罚的WGAN的结构；

步骤三，对模型施加相似度约束：在使用梯度惩罚的WGAN结构的基础上，对生成图片的相似度和因子施加约束。

2.根据权利要求1所述的基于相似度约束的解耦表示学习算法，其特征在于，所述步骤一中数据集包括简单数据集和复杂数据集。

3.根据权利要求2所述的基于相似度约束的解耦表示学习算法，其特征在于，所述简单数据集包括MNIST、Fashion-MNIST和SVHN。

4.根据权利要求2或3所述的基于相似度约束的解耦表示学习算法，其特征在于，所述复杂数据集包括CIFAR-10和CelebA。

5.根据权利要求1所述的基于相似度约束的解耦表示学习算法，其特征在于，所述生成图片由内容和表示两部分组成。

6.根据权利要求3所述的基于相似度约束的解耦表示学习算法，其特征在于，所述MNIST和Fashion-MNIST这两个数据集包含了灰度图、黑色背景和目标。

7.根据权利要求4所述的基于相似度约束的解耦表示学习算法，其特征在于，所述数据集CelebA包含了大量的明星人脸。