[发明专利]一种基于相似度约束的解耦表示学习算法

摘要

本发明公开了一种基于相似度约束的解耦表示学习算法，要解决的是现有InfoGAN在无监督的表示学习模型中的问题。本发明具体步骤如下：步骤一，准备数据集；步骤二，选择模型的结构：为了生成视觉效果更佳的图片，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。本发明提出了相似度约束的生成对抗网络(SCGAN)，相比InfoGAN模型，本发明的结构简单，只需要在原始的生成对抗网络基础上增加相似度约束即可，同时SCGAN具有更高的模型鲁棒性，在处理过的数据集依然表现稳定，并且SCGAN也是无监督的表示学习模型，因此可以避免昂贵的标注工作，应用前景广阔。