申请/专利权人:哈尔滨工程大学;中国船舶重工集团有限公司第七一0研究所
申请日:2021-04-15
公开(公告)日:2021-07-20
公开(公告)号:CN113139916A
主分类号:G06T5/00(20060101)
分类号:G06T5/00(20060101);G06K9/00(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.10.14#实质审查的生效;2021.07.20#公开
摘要:本发明公开了一种基于生成式对抗网络的水下声呐仿真图像生成和数据扩充方法,包括:构建训练数据样本集;构建数据预处理系统,对样本数据进行预处理;构建生成器网络模型,将预处理后的图像输入生成器网络模型,得到保证图像尺寸和细节特征的输出图像;构建判别器网络模型,与生成器网络模型在训练的过程中不断对抗训练,得到质量好的图像;构建训练模型,通过训练模型对生成器网络模型和判别器网络模型进行训练;构建梯度惩罚项模型,在训练模型损失函数基础上增加梯度惩罚项,模型训练时,引入的梯度惩罚项使训练过程中梯度不会骤变;开始训练,获得优质的水下声呐仿真图像。本发明能够生成更高质量、更高分辨率和细节更逼真的水下声呐图像。
主权项:1.一种基于生成式对抗网络的水下声呐仿真图像生成和数据扩充方法,其特征在于,包括如下步骤:S1:构建训练数据样本集;S2:构建数据预处理系统,对样本数据进行预处理;S3:构建生成器网络模型,将预处理后的图像输入生成器网络模型,得到保证图像尺寸和细节特征的输出图像;S4:构建判别器网络模型,判别器网络模型能够与生成器网络模型在训练的过程中不断对抗训练,最终得到质量好的图像;S5:构建训练模型,通过训练模型能够对生成器网络模型和判别器网络模型进行训练;S6:构建梯度惩罚项模型,在训练模型损失函数的基础上增加梯度惩罚项,模型训练时,引入的梯度惩罚项使训练过程中梯度不会骤变;S7:开始训练,获得优质的水下声呐仿真图像。
全文数据:
权利要求:
百度查询: 哈尔滨工程大学;中国船舶重工集团有限公司第七一0研究所 基于生成式对抗网络的水下声呐仿真图像生成和数据扩充方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。