本发明请求保护一种基于局部流形正则化的半监督生成对抗网络图像分类方法,该方法将局部流形正则化引入半监督生成对抗网络。该方法基于生成对抗网络对数据流形优秀的拟合能力,引入局部流形正则化,可以很好地解决判别器过度训练问题。通过在判别器和生成器的损失函数中加入流形正则化项,以对数据流形的突变进行惩罚,能够防止模型陷入局部崩溃,增强模型对数据流形的局部扰动保持不变性,使模型具有更好的鲁棒性。结合局部流形正则化的半监督生成对抗网络图像分类方法在半监督图像分类问题上可显著提高图像分类的准确率。
1.一种基于局部流形正则化的半监督生成对抗网络图像分类方法,其特征在于,包括以下步骤:步骤1:获取要进行分类的图像数据集,采用机器标注或人工标注的方式对一部分图像进行类别标记,标注的类别总数记为N,另一部分为无标签数据,将所有图像数据分为训练集和测试集;步骤2:构建局部生成器并对局部生成器正则化,对训练集的数据使用转置卷积神经网络训练局部生成器,输出符合数据集分布的生成图像数据;步骤3:将有标签数据、无标签数据及生成器生成的假数据输入判别器中,采用卷积神经网络训练判别器,输出对图像数据所属类别的预测;步骤4:训练基于局部流形正则化的半监督生成对抗网络,计算判别器损失,判别器损失为有监督损失与无监督损失之和再加上局部流形正则化项,使用特征匹配的方法计算生成器损失;步骤5:使用反向传播算法优化参数,最小化损失函数,对图像数据集进行分类模型训练,使用测试集图像验证模型性能;建立半监督图像分类模型,对新输入的无标签图像数据进行分类判别。
本文链接:http://www.vipzhuanli.com/tech/sell/s_2312431.html,转载请声明来源钻瓜专利网。