基于深度学习的对抗网络图像识别方法研究

基于深度学习的对抗网络图像识别方法研究
张守震;姜飞
【期刊名称】《南宁师范大学学报（自然科学版）》
【年(卷),期】2024(41)1
【摘要】为了解决传统图像的识别低效且需要过多的人工参与的问题,对更加高效的生成式对抗网络模型进行研究:(1)在经过博弈训练达到收敛的GAN模型的基础上,对判定器进行优化,并加入softamx层以便能更好地进行图像识别;(2)在基础IR-DCGAN模型上选用MNIST数据集进行训练和测试,并将生成器生成的实验样本输入判定器中,每进行一次迭代训练,数据集就会有所扩充,经过足够的迭代训练后IR-DCGAN就基本稳定,其图像识别准确率相较于其他识别方法有显著提升。

当迭代次数达到25000次时IR-DCGAN识别网络已经基本成熟,同时表明IR-DCGAN模型比其他方法的识别准确率大幅增加。

【总页数】4页(P78-81)
【作者】张守震;姜飞
【作者单位】宿州学院信息工程学院
【正文语种】中文
【中图分类】TP18;TP391.1
【相关文献】
1.基于深度卷积生成对抗网络的植物图像识别方法的研究
2.基于生成对抗网络的图像识别改进方法
3.基于深度学习的图像识别问题中对抗样本的研究
4.一种基于生
成式对抗网络的数据集扩充方法在湿地鸟类图像识别中的应用5.基于深度学习的图像识别问题中对抗样本的研究
因版权原因，仅展示原文概要，查看原文内容请购买。