基于深度學習的對抗網(wǎng)絡圖像識別方法研究

打開文本圖片集

DOI：10.16601/j.cnki.issn2096-7330.2024.01.010 文章編號：2096-7330（2024）01-0078-04

摘 要：為了解決傳統(tǒng)圖像的識別低效且需要過多的人工參與的問題，對更加高效的生成式對抗網(wǎng)絡模型進行研究：（1）在經(jīng)過博弈訓練達到收斂的GAN模型的基礎上，對判定器進行優(yōu)化， 并加入softamx層以便能更好地進行圖像識別；（2）在基礎IR-DCGAN模型上選用MNIST數(shù)據(jù)集進行訓練和測試，并將生成器生成的實驗樣本輸入判定器中，每進行一次迭代訓練，數(shù)據(jù)集就會有所擴充，經(jīng)過足夠的迭代訓練后IR-DCGAN就基本穩(wěn)定，其圖像識別準確率相較于其他識別方法有顯著提升。（剩余3782字）