基于深度學(xué)習(xí)的對(duì)抗網(wǎng)絡(luò)圖像識(shí)別方法研究

打開文本圖片集

DOI：10.16601/j.cnki.issn2096-7330.2024.01.010 文章編號(hào)：2096-7330（2024）01-0078-04

摘 要：為了解決傳統(tǒng)圖像的識(shí)別低效且需要過(guò)多的人工參與的問(wèn)題，對(duì)更加高效的生成式對(duì)抗網(wǎng)絡(luò)模型進(jìn)行研究：（1）在經(jīng)過(guò)博弈訓(xùn)練達(dá)到收斂的GAN模型的基礎(chǔ)上，對(duì)判定器進(jìn)行優(yōu)化， 并加入softamx層以便能更好地進(jìn)行圖像識(shí)別；（2）在基礎(chǔ)IR-DCGAN模型上選用MNIST數(shù)據(jù)集進(jìn)行訓(xùn)練和測(cè)試，并將生成器生成的實(shí)驗(yàn)樣本輸入判定器中，每進(jìn)行一次迭代訓(xùn)練，數(shù)據(jù)集就會(huì)有所擴(kuò)充，經(jīng)過(guò)足夠的迭代訓(xùn)練后IR-DCGAN就基本穩(wěn)定，其圖像識(shí)別準(zhǔn)確率相較于其他識(shí)別方法有顯著提升。（剩余3782字）