文献类型：期刊文章

作　　者：李鑫[1] 焦斌[1] 林蔚天[2]

LI Xin;JIAO Bin;LIN Weitian(School of Electrical Engineering,Shanghai Dianji University,Shanghai 201306,China;School of Continuing Education,Shanghai Dianji University,Shanghai 200240,China)

机构地区：[1]上海电机学院电气学院,上海201306 [2]上海电机学院继续教育学院,上海200240

出　　处：《计算机工程与应用》

年　　份：2020

卷　　号：56

期　　号：14

起止页码：191-198

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、PROQUEST、RCCSE、ZGKJHX、核心刊

摘　　要：传统的图像识别方法需要大量有标签样本进行训练,且模型训练难以达到稳定。针对这些问题,结合条件生成网络和信息最大化生成网络的结构优势建立了条件信息卷积生成网络(C-Info-DCGAN)。模型增加图像的类别信息和潜在信息作为输入数据,然后利用Q网络去更好地发挥类别信息和潜在信息对训练的引导作用,并且利用深度卷积网络来加强对图像特征的提取能力。实验结果表明,该方法能够加快模型训练收敛速度,并有效提高图像识别的准确率。

关 键 词：生成对抗网络  信息最大化模型  条件模型  深度卷积网络  图像识别

分 类 号：TP751.1]