申请/专利权人：哈尔滨工程大学

申请日：2023-10-19

公开（公告）日：2024-03-08

公开（公告）号：CN117671408A

主分类号：G06V10/774

分类号：G06V10/774;G06V10/764;G06V10/82;G06T3/04;G06N3/045;G06N3/0455;G06N3/0464;G06N3/0475;G06N3/094

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本发明涉及训练集扩充技术领域，具体说是训练集扩充技术多类别循环生成对抗方法，包括：采用生成式模型扩充训练样本；引入外源信息可以降低生成模型过拟合现象，提升分类神经网络的分类精度；但由于水下数据的稀少，采用传统的生成方式，仅依据原有的数据进行扩充，难以起到很好的效果；为了更好的扩充数据，本技术提出M‑CycleGAN网络来对训练集进行扩充；构建3D模型图像数据集，引入外源的分类目标信息，辅助生成模型生成与分类数据集相似的新数据。

主权项：1.训练集扩充技术多类别循环生成对抗方法；其特征在于,包括：该对抗方法采用CycleGAN网络将构建的3D图片数据集迁移成声纳图片风格，所述CycleGAN网络根据分类数据中包含的不同类别的数量进行设计，且所述分类数据包括M-CycleGAN2模型,且分类数据包括分类数据集A和分类数据集B；所述M-CycleGAN2模型主要包含两个CycleGAN网络以及类别判别器，该类别判别器的模型结构与CycleGAN网络中的判别器结构相同，其目的是计算不同类别间的差异。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 训练集扩充技术多类别循环生成对抗方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD