The invention discloses a general image classification method and device based on semi-supervised generation antagonism network, which relates to image classification technology. The method includes: step 1: training to obtain deep convolution generation antagonism network DCGAN, which includes generation network and discrimination network, and the discrimination network includes convolution neural network connected sequentially and Softmax multi-classifier. The classified image is input to the convolution neural network to obtain the image features; Step 3: Input the obtained image features into the Softmax multi-classifier to obtain the classification results. In the present invention, since the discriminant network is trained in DCGAN, the generalization performance and classification accuracy of the discriminant network are improved. After obtaining image features through the discriminant network and combining with the Softmax multi-classifier, the accuracy of image classification can be greatly improved.
【技术实现步骤摘要】
一种基于半监督生成对抗网络的通用图像分类方法和装置
本专利技术属于深度学习领域,涉及图像分类技术,具体涉及一种基于半监督生成对抗网络的通用图像分类方法和装置。
技术介绍
图像分类技术,是计算机视觉和模式识别领域的主要分支之一。图像分类就是根据各自在图像信息中反映的不同特征,将图像中不同类别的目标区分开来的图像处理方法。图像分类是利用计算机对图像进行定量分析,把图像或图像中的某个区域划为若干类别中的某一种,以代替人的视觉判读。随着大数据时代的到来,数据在计算机视觉的任务中越来越明显,在数据足够多的情况下,可以使用基础的模型、算法,比如KNN(k-NearestNeighbor,最近邻分类),NaiveBayes(朴素贝叶斯)就能得到比较好的结果。图像分类在很多领域都得到广泛应用,包括安防领域的人脸识别、行为检测等,交通领域的车辆识别、车牌检测等,以及互联网领域的图像检索等。本专利技术关注的是深度学习领域的图像分类,即利用卷积神经网络进行图像分类。早期的图像分类目标主要集中在一些较为简单的任务,例如,形状分类、OCR(OpticalCharacterRecognition,光学字符识别)等。其中,在OCR中,手写数字识别是一个广泛研究的课题,与此相关的最著名的数据库是MNIST(MixedNationalInstituteofStandardsandTechnology)数据库,MNIST是手写数字识别领域的标准测试数据集,大小是60,000,一共包含10类阿拉伯数字,每一类有5,000张图像进行训练,1,000张图像进行测试。MNIST的图像大小为28*28 ...
【技术保护点】
1.一种基于半监督生成对抗网络的通用图像分类方法,其特征在于,包括:步骤1:训练得到深度卷积生成对抗网络DCGAN,所述DCGAN包括生成网络和判别网络,所述判别网络包括依次连接的卷积神经网络和Softmax多分类器;步骤2:将待分类的图像输入至所述卷积神经网络,得到图像特征;步骤3:将得到的图像特征输入所述Softmax多分类器,得到分类结果。
【技术特征摘要】
1.一种基于半监督生成对抗网络的通用图像分类方法,其特征在于,包括:步骤1:训练得到深度卷积生成对抗网络DCGAN,所述DCGAN包括生成网络和判别网络,所述判别网络包括依次连接的卷积神经网络和Softmax多分类器;步骤2:将待分类的图像输入至所述卷积神经网络,得到图像特征;步骤3:将得到的图像特征输入所述Softmax多分类器,得到分类结果。2.根据权利要求1所述的方法,其特征在于,所述步骤1包括:步骤10:在DCGAN框架下,将随机噪声输入生成网络,根据真实数据的分布拟合噪声的分布,得到和真实数据分布相近的分布,生成无标记样本图像;步骤11:将真实图像作为有标记样本图像与所述无标记样本图像一起输入判别网络,以供判别网络学习两种类型的数据分布;步骤12:根据判别网络对输入的样本图像的真假性判别结果,计算梯度,固定生成网络的参数,通过反向传播算法更新判别网络的节点的权重系数;步骤13:根据判别网络的反馈结果,固定判别网络参数,通过反向传播算法更新生成网络的节点的权重系数;步骤14:判断判别网络的分类准确率误差是否小于预设阈值,如果否,则转至步骤10,重复进行训练,如果是,则训练结束,得到训练完成的DCGAN。3.根据权利要求2所述的方法,其特征在于,所述步骤10中,所述随机噪声服从高斯分布。4.根据权利要求3所述的方法,其特征在于,所述步骤11中,所述真实图像经过高斯滤波预处理后作为所述有标记样本图像。5.根据权利要求1-4中任一所述的方法,其特征在于,所述步骤14中,所述分类准确率误差为使用对数似然函数的损失函数,计算公式如下:loss=-lnap,其中,ap代表类别p对应的分类概率。6.一种基于半监督生成对抗网络的通用图像分类装置,其...
【专利技术属性】
技术研发人员:苏磊,凌平,张万才,
申请(专利权)人:国网上海市电力公司,华东电力试验研究院有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。