申请/专利权人:安徽工业大学
申请日:2023-12-13
公开(公告)日:2024-03-19
公开(公告)号:CN117725967A
主分类号:G06N3/0464
分类号:G06N3/0464;G06N3/08;G06F18/241
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本申请实施例提供一种生成对抗网络模型,包括生成器和判别器;所述生成器和所述判别器均由卷积神经网络构成,所述卷积神经网络的输入卷积层的卷积核大小为2×2,其余各卷积层的卷积核大小为1×3;所述生成器用于生成长度可变的空中手写字符,其输入为各个类的混合了噪声的均值向量;所述判别器用于与所述生成器进行对抗训练,以使生成的所述长度可变的空中手写字符更加接近真实数据;所述判别器包括全局平均池化层GAP,所述平均池化层GAP用于对所述判别器进行卷积操作后生成的不同尺寸的特征图转化为等长向量。本申请实施例提供的生成对抗网络模型能够生成长度可变的联机手写字符数据。
主权项:1.一种生成对抗网络模型,其特征在于,包括生成器和判别器;所述生成器和所述判别器均由卷积神经网络构成,所述卷积神经网络的输入卷积层的卷积核大小为2×2,其余各卷积层的卷积核大小为1×3;所述生成器用于生成长度可变的空中手写字符,其输入为各个类的混合了噪声的均值向量;所述判别器用于与所述生成器进行对抗训练,以使生成的所述长度可变的空中手写字符更加接近真实数据;所述判别器包括全局平均池化层GAP,所述平均池化层GAP用于对所述判别器进行卷积操作后生成的不同尺寸的特征图转化为等长向量。
全文数据:
权利要求:
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。