基于特征重标定生成对抗网络的图像分类算法

作者：姜代红; 张三友; 刘其开

来源：计算机应用研究, 2020, (03): 932-935.

DOI：10.19734/j.issn.1001-3695.2018.08.0668

• 生成对抗网络
• 图像分类
• 特征重标定
• 深度学习 generative adversarial network(GAN)
• image classification
• feature recalibration
• deep learning

针对传统鉴别器的损失策略和结构难以提取到更抽象以及任务相关的鲁棒性特征,从而导致半监督图像分类表现不足的问题,提出了基于特征重标定的生成对抗网络。为了学习到任务相关的特征,在现有半监督GAN的基础上,为鉴别器引入模型在不同状态下的无监督均方差损失正则项,对训练样本中两个分支的同一输入对应得到的不同输出进行参数惩罚,从而指导特征重标定的优化方向。此外,在鉴别器中加入压缩激活模块来优化传统鉴别器的卷积池化结构,该模块自动学习每一个特征通道的重要程度,能够提取任务相关特征并抑制无关特征,实现特征的重标定功能,从而提高半监督图像分类的表现。

• 单位
  中国矿业大学; 中国矿业大学（北京）; 徐州工程学院