[发明专利]一种基于WGAN模型的可变形卷积核方法在审
| 申请号： | 201711123711.8 | 申请日： | 2017-11-14 |
| 公开（公告）号： | CN107886162A | 公开（公告）日： | 2018-04-06 |
| 发明（设计）人： | 周智恒;李立军;胥静;朱湘军;李利苹;汪壮雄 | 申请（专利权）人： | 华南理工大学;广州视声智能股份有限公司;广州视声智能科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 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： | 511458 广东省广州市*** | 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WGAN模型的可变形卷积核方法，属于深度学习神经网络领域，包括以下步骤S1、构造原始生成对抗网络模型；S2、构造沃瑟斯坦距离，作为对抗网络模型的评判指标；S3、初始化随机噪声，输入生成器中；S4、在WGAN模型中利用可变形卷积核对图像进行卷积；S5、将可变形卷积操作得到的损失函数输入生成器进行后续训练。本发明构建的基于WGAN模型的可变形卷积核方法，改变了判别器、生成器接收图片后的卷积方式，让判别器、生成器能够根据训练的情况自动地改变卷积核的大小，从而能够自适应地对数据集图像的特征进行学习，提高了整个网络训练的鲁棒性。 | ||
| 搜索关键词： | 一种 基于 wgan 模型 变形 卷积 方法 | ||
【主权项】：
一种基于WGAN模型的可变形卷积核方法，其特征在于，所述的可变形卷积核方法包括下列步骤：S1、构造原始生成对抗网络模型，通过生成器生成图像输入至判别器进行网络训练；S2、构造沃瑟斯坦距离，作为对抗网络模型的评判指标；S3、初始化随机噪声，输入生成器中；S4、在WGAN模型中利用可变形卷积核对图像进行卷积；S5、将可变形卷积操作得到的损失函数输入生成器进行后续训练。
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;广州视声智能股份有限公司;广州视声智能科技有限公司，未经华南理工大学;广州视声智能股份有限公司;广州视声智能科技有限公司许可，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/201711123711.8/，转载请声明来源钻瓜专利网。
- 上一篇：可伸缩物流码放架
- 下一篇：一种用于胶带密封的包装盒
