公开(公告)号：CN109902615A

公开(公告)日：2019-06-18

申请号：CN201910138619.1

申请日：2019-02-25

Applicant: 中国计量大学

Inventor： 章东平 ,  储东辉

IPC: G06K9/00

Abstract: 本发明公开了一种基于对抗网络的多个年龄段图像生成方法，将传统GAN损失、循环损失、类内距离损失、余弦相似度损失相结合，共同作为训练过程中的目标函数，在减小类内距离的同时，加入余弦相似度损失来保证映射的对应性。本发明包括：一：将人脸图像数据行划分为训练样本集与测试样本集；二：对训练样本集中的人脸图像进行数据预处理；三：构建基于对抗网络的多个年龄段图像中生成器、判断器的卷积神经网络结构；四：将训练样本集输入到模型中进行训练；五：保存各生成器和判断器网络模型参数；六：利用经过数据预处理后的测试样本集对生成器和判断器模型进行测试，获得测试结果。本发明用于数据增强和模式识别领域。

公开(公告)号：CN109902615B

公开(公告)日：2020-09-29

申请号：CN201910138619.1

申请日：2019-02-25

Applicant: 中国计量大学

Inventor： 章东平 ,  储东辉

IPC: G06K9/00

Abstract: 本发明公开了一种基于对抗网络的多个年龄段图像生成方法，将传统GAN损失、循环损失、类内距离损失、余弦相似度损失相结合，共同作为训练过程中的目标函数，在减小类内距离的同时，加入余弦相似度损失来保证映射的对应性。本发明包括：一：将人脸图像数据行划分为训练样本集与测试样本集；二：对训练样本集中的人脸图像进行数据预处理；三：构建基于对抗网络的多个年龄段图像中生成器、判断器的卷积神经网络结构；四：将训练样本集输入到模型中进行训练；五：保存各生成器和判断器网络模型参数；六：利用经过数据预处理后的测试样本集对生成器和判断器模型进行测试，获得测试结果。本发明用于数据增强和模式识别领域。