公开(公告)号：CN111582348A

公开(公告)日：2020-08-25

申请号：CN202010359482.5

申请日：2020-04-29

Applicant: 武汉轻工大学

Inventor： 李雅琴 ,  许向蕊 ,  袁操

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于生成式对抗网络技术领域，公开了一种条件生成式对抗网络的训练方法、装置、设备及存储介质。该方法通过获取真实样本图片，对真实样本图片进行图像预处理，以获得目标样本图片；对目标样本图片进行分类以获得分类结果，并根据分类结果设置条件向量；获取条件生成式对抗网络；基于瓦瑟斯坦生成式对抗网络Wasserstein GAN及条件向量对条件生成式对抗网络中的生成器和判别器进行设置，以获得目标判别器和目标生成器；基于真实样本图片及条件向量对目标生成器和目标判别器进行训练。在条件生成式对抗网络中引入Wasserstein GAN运行机制，同时完成了稳定训练和进程指标的问题，从而解决了现有技术在条件生成式对抗网络训练时的稳定性不高和效率低的技术问题。

公开(公告)号：CN111582348B

公开(公告)日：2024-02-27

申请号：CN202010359482.5

申请日：2020-04-29

Applicant: 武汉轻工大学

Inventor： 李雅琴 ,  许向蕊 ,  袁操

IPC: G06V30/19 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明属于生成式对抗网络技术领域，公开了一种条件生成式对抗网络的训练方法、装置、设备及存储介质。该方法通过获取真实样本图片，对真实样本图片进行图像预处理，以获得目标样本图片；对目标样本图片进行分类以获得分类结果，并根据分类结果设置条件向量；获取条件生成式对抗网络；基于瓦瑟斯坦生成式对抗网络Wasserstein GAN及条件向量对条件生成式对抗网络中的生成器和判别器进行设置，以获得目标判别器和目标生成器；基于真实样本图片及条件向量对目标生成器和目标判别器进行训练。在条件生成式对抗网络中引入Wasserstein GAN运行机制，同时完成了稳定训练和进程指标的问题，从而解决了现有技术在条件生成式对抗网络

公开(公告)号：CN111275126A

公开(公告)日：2020-06-12

申请号：CN202010089529.0

申请日：2020-02-12

Applicant: 武汉轻工大学

Inventor： 袁操 ,  孙昌琦 ,  许向蕊 ,  李雅琴

IPC: G06K9/62

Abstract: 本发明涉及计算机视觉技术领域，公开了一种样本数据集生成方法、装置、设备及存储介质，所述方法包括：获取原始图像和原始图像的原始分辨率，对原始图像进行下采样，获得下采样图像，通过预设生成器模型对下采样图像和与下采样图像同等大小的随机噪声进行融合处理，生成训练图像，根据原始分辨率对训练图像进行上采样，获得满足原始分辨率的待比较图像，并与原始图像进行比较，确定目标图像来组建样本数据集。从而通过对原始图像进行下采样后与随机噪声融合，再对生成的图像进行上采样获得待比较图像，并从中确定目标图像来组建样本数据集，解决了如何根据单一图像得出包含多种图像的样本数据集，以满足图像样本需求的技术问题。