[发明专利]一种基于原始生成对抗网络模型的分组卷积方法在审
| 申请号： | 201810101710.1 | 申请日： | 2018-02-01 |
| 公开（公告）号： | CN108470208A | 公开（公告）日： | 2018-08-31 |
| 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： | G06N3/04 | 分类号： | G06N3/04;G06N3/063;G06N3/08;G06K9/62 |
| 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原始生成对抗网络模型的分组卷积方法，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、构造神经网络充当生成器与判别器的功能；S3、初始化随机噪声，输入生成器中；S4、设定分组数量N，使神经网络的卷积在N个GPU上进行；S5、将N个特征图进行融合，更新损失函数，进行后续训练。本方法构建的基于分组卷积的深度卷积对抗网络模型，对卷积进行了分组，使其在多个GPU中同时进行，最后将卷积的结果进行融合，从而大大地减少了参数量，提高了整个网络训练的效率。 | ||
| 搜索关键词： | 卷积 网络模型 分组 原始生成 对抗 神经网络 生成器 学习神经网络 随机噪声 损失函数 整个网络 初始化 判别器 特征图 融合 构建 更新 | ||
【主权项】：
1.一种基于原始生成对抗网络模型的分组卷积方法，其特征在于，所述的分组卷积方法包括下列步骤：S1、构造原始生成对抗网络模型，通过生成器生成图像并输入至判别器进行网络训练；S2、构造包含N个卷积核的神经网络充当生成器与判别器的功能；S3、初始化随机噪声，输入生成器中；S4、设定分组数量N，使神经网络的卷积在N个GPU上进行；S5、将N个特征图进行融合，更新损失函数，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，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/201810101710.1/，转载请声明来源钻瓜专利网。
