| 专利名称 |
用对抗性学习和判别性学习来迁移生成式对抗网络的方法 |
| 申请号/专利号 |
CN202110534134.1 |
专利权人(第一权利人) |
长春工业大学 |
| 申请日 |
2021-05-17 |
授权日 |
2022-11-15 |
| 专利类别 |
授权发明 |
战略新兴产业分类 |
新一代信息技术 |
| 技术主题 |
机器学习|生成对抗网络|判别学习|模式识别|对抗网络|图像生成|成像数据|域|训练表现|数据集 |
| 应用领域 |
神经架构|神经学习方法 |
| 意向价格 |
具体面议 |
| 专利概述 |
本发明公开了用对抗性学习和判别性学习来迁移生成式对抗网络的方法,它包括:S1.准备图片数据集;S2.构建预训练GAN模型;S3.通过参数迁移构建ADT‑GAN模型;S4.训练ADT‑GANc。上述ADT‑GAN模型利用迁移学习,在源域图像数据集训练的预训练GAN模型的基础上通过参数传递,初始化生成器和判别器。添加域判别器,通过优化由对抗目标函数和域判别目标函数组成的总目标函数,来驱动生成器生成目标域的图像数据,并避免负迁移。从而提高在小型目标域数据集上的训练性能,减少迭代次数,提高图像生成质量。 |
| 图片资料 |
|
| 合作方式 |
具体面议 |
| 联系人 |
戚梅宇 |
联系电话 |
13074363281 |