-
公开(公告)号:CN114529622A
公开(公告)日:2022-05-24
申请号:CN202210033454.3
申请日:2022-01-12
Applicant: 华南理工大学
Abstract: 本发明公开了一种通过引入自监督复合任务训练生成对抗网络生成高质量图像的方法及装置,包括以下步骤:(1)原始图像数据集以及拼接图像数据集准备;(2)设计用于实现生成对抗网络的自监督学习的复合任务;(3)搭建模型,构建对抗训练分支和自监督复合任务分支;(4)训练模型,并保存网络的参数;(5)使用训练好的生成器网络进行图像生成。本发明提供的通过引入自监督复合任务训练生成对抗网络生成高质量图像的方法,对图像内信息和图像间信息同时进行利用,构建了一个包含三个子任务的复合任务,引导网络学习图像中更稳定、更通用的特征,同时还构建了局部判别器来提高网络提取图像局部信息的能力,可显著提升网络的训练效果,提高最终生成的图像的质量。
-
公开(公告)号:CN110110243A
公开(公告)日:2019-08-09
申请号:CN201910346731.4
申请日:2019-04-27
Applicant: 华南理工大学
IPC: G06F16/9537 , G06F16/215 , G06Q10/04 , G06Q50/26 , G01S19/40 , G01S19/42 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于回声状态网络的历史轨迹目的地预测方法,包括以下步骤:S1、预测服务提供者对某一区域中行驶轨迹数据进行预处理;S2、构建基础回声状态网络模型;S3、利用训练数据集对基础回声状态网络模型进行训练,得到回声状态网络模型;S4、通过测试数据集对回声状态网络模型进行测试与优化,选出测试结果最优的参数表;S5、将最优的参数表作为到回声状态网络模型的参数,得到预测模型;S6、利用预测模型对实时轨迹数据进行预测,将预测结果返回轨迹数据提供者。本发明用于解决用户的轨迹预测问题,只要能够采集到足够的历史轨迹数据来进行模型的训练以及修正,得到符合运动特性的模型,就能大幅度提高预测的准确性。
-
公开(公告)号:CN114529622B
公开(公告)日:2024-12-10
申请号:CN202210033454.3
申请日:2022-01-12
Applicant: 华南理工大学
IPC: G06T11/00 , G06T3/4038 , G06T3/60 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/0895 , G06N3/094
Abstract: 本发明公开了一种通过引入自监督复合任务训练生成对抗网络生成高质量图像的方法及装置,包括以下步骤:(1)原始图像数据集以及拼接图像数据集准备;(2)设计用于实现生成对抗网络的自监督学习的复合任务;(3)搭建模型,构建对抗训练分支和自监督复合任务分支;(4)训练模型,并保存网络的参数;(5)使用训练好的生成器网络进行图像生成。本发明提供的通过引入自监督复合任务训练生成对抗网络生成高质量图像的方法,对图像内信息和图像间信息同时进行利用,构建了一个包含三个子任务的复合任务,引导网络学习图像中更稳定、更通用的特征,同时还构建了局部判别器来提高网络提取图像局部信息的能力,可显著提升网络的训练效果,提高最终生成的图像的质量。
-
-