| 專利名稱 |
用對(duì)抗性學(xué)習(xí)和判別性學(xué)習(xí)來遷移生成式對(duì)抗網(wǎng)絡(luò)的方法 |
| 申請(qǐng)?zhí)?專利號(hào) |
CN202110534134.1 |
專利權(quán)人（第一權(quán)利人） |
長(zhǎng)春工業(yè)大學(xué) |
| 申請(qǐng)日 |
2021-05-17 |
授權(quán)日 |
2022-11-15 |
| 專利類別 |
授權(quán)發(fā)明 |
戰(zhàn)略新興產(chǎn)業(yè)分類 |
新一代信息技術(shù) |
| 技術(shù)主題 |
機(jī)器學(xué)習(xí)|生成對(duì)抗網(wǎng)絡(luò)|判別學(xué)習(xí)|模式識(shí)別|對(duì)抗網(wǎng)絡(luò)|圖像生成|成像數(shù)據(jù)|域|訓(xùn)練表現(xiàn)|數(shù)據(jù)集 |
| 應(yīng)用領(lǐng)域 |
神經(jīng)架構(gòu)|神經(jīng)學(xué)習(xí)方法 |
| 意向價(jià)格 |
具體面議 |
| 專利概述 |
本發(fā)明公開了用對(duì)抗性學(xué)習(xí)和判別性學(xué)習(xí)來遷移生成式對(duì)抗網(wǎng)絡(luò)的方法，它包括：S1.準(zhǔn)備圖片數(shù)據(jù)集；S2.構(gòu)建預(yù)訓(xùn)練GAN模型；S3.通過參數(shù)遷移構(gòu)建ADT?GAN模型；S4.訓(xùn)練ADT?GANc。上述ADT?GAN模型利用遷移學(xué)習(xí)，在源域圖像數(shù)據(jù)集訓(xùn)練的預(yù)訓(xùn)練GAN模型的基礎(chǔ)上通過參數(shù)傳遞，初始化生成器和判別器。添加域判別器，通過優(yōu)化由對(duì)抗目標(biāo)函數(shù)和域判別目標(biāo)函數(shù)組成的總目標(biāo)函數(shù)，來驅(qū)動(dòng)生成器生成目標(biāo)域的圖像數(shù)據(jù)，并避免負(fù)遷移。從而提高在小型目標(biāo)域數(shù)據(jù)集上的訓(xùn)練性能，減少迭代次數(shù)，提高圖像生成質(zhì)量。 |
| 圖片資料 |
|
| 合作方式 |
具體面議 |
| 聯(lián)系人 |
戚梅宇 |
聯(lián)系電話 |
13074363281 |
