[发明专利]一种基于深度卷积神经网络的WGAN模型方法在审
| 申请号： | 201710690212.0 | 申请日： | 2017-08-14 |
| 公开（公告）号： | CN107563510A | 公开（公告）日： | 2018-01-09 |
| 发明（设计）人： | 周智恒;李立军 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04 |
| 代理公司： | 广州市华学知识产权代理有限公司44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度卷积神经网络的WGAN模型方法，属于深度学习神经网络领域，该方法包括以下步骤S1、构造沃瑟斯坦生成式对抗网络WGAN模型；S2、将判别器构造成深度卷积神经网络结构；S3、将生成器构造成转置卷积神经网络结构；S4、对判别器的损失函数采取Wasserstein距离的损失函数；S5、准备数据集，对构造完毕的网络进行训练。本方法根据生成对抗网络模型的特点，创造性地提出了深度卷积神经网络与WGAN相结合的构造方式，将生成器与判别器构造成深度卷积神经网络的形式，同时使用WGAN的损失函数形式，既能在训练的过程上学习图像特征，又能根据损失函数的大小反映生成图像质量的优劣。 | ||
| 搜索关键词： | 一种 基于 深度 卷积 神经网络 wgan 模型 方法 | ||
【主权项】：
一种基于深度卷积神经网络的WGAN模型方法，其特征在于，所述的方法包括下列步骤：S1、构造沃瑟斯坦生成式对抗网络WGAN模型，该模型包含生成器和判别器；S2、将判别器构造成深度卷积神经网络结构；S3、将生成器构造成转置深度卷积神经网络结构；S4、对判别器的损失函数为采取Wasserstein距离的损失函数；S5、准备数据集，对构造完毕的网络进行训练。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710690212.0/，转载请声明来源钻瓜专利网。
