科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于WGAN模型的可变形卷积核方法,属于深度学习神经网络领域,包括以下步骤：S1、构造原始生成对抗网络模型；S2、构造沃瑟斯坦距离,作为对抗网络模型的评判指标；S3、初始化随机噪声,输入生成器中；S4、在WGAN模型中利用可变形卷积核对图像进行卷积；S5、将可变形卷积操作得到的损失函数输入生成器进行后续训练。本发明构建的基于WGAN模型的可变形卷积核方法,改变了判别器、生成器接收图片后的卷积方式,让判别器、生成器能够根据训练的情况自动地改变卷积核的大小,从而能够自适应地对数据集图像的特征进行学习,提高了整个网络训练的鲁棒性。
- 单位
