用于DCGAN网络生成图像的质量评估方法技术

本发明专利技术涉及图像处理领域，公开了一种用于DCGAN网络生成图像的质量评估方法，用以提高DCGAN网络生成图像的质量评估的准确度。本发明专利技术先将DCGAN网络生成的图片作为DCGAN网络的输入进行反复迭代，迭代过程中，等间歇的保存一次图片，并从每次保存的图片中挑选出一部分质量好的图片；再将图片打上标签，同时也从原始图片中取出一部分图片并打上标签，并等比例的混合在一起；再通过混合图片集训练得到合格的分类器；再和将混合图片集输入到DCGAN网络中，让它生成一定数量的图片x，再把x放入分类器让其分类，从而得到多维的向量y及其概率p(y)；最后基于概率p(y)得出DCGAN网络生成图像的质量评估结果。本发明专利技术适用于DCGAN网络生成图像的质量评估。

Quality evaluation method for dcgan network image generation

【技术实现步骤摘要】
用于DCGAN网络生成图像的质量评估方法
本专利技术涉及图像处理领域，特别涉及用于DCGAN网络生成图像的质量评估方法。
技术介绍
GAN的全称为GenerativeAdversarialNetworks，意为生成式对抗网络。原始的GAN是一种无监督学习方法，它巧妙地利用“对抗”的思想来学习生成式模型，一旦训练完成后可以生成全新的数据样本。DCGAN将GAN的概念扩展到卷积神经网络中，可以生成质量较高的图片样本。生成式对抗网络是当前最流行的图像生成方法，各种不同的GAN网络也是层出不穷，生成的图片的质量也是越来越高，但是当前对于对抗网络生成的图片的质量的评判方法却不是很多，以前人们平时去判定一个生成对抗网络的好坏也是根据最终生成的图片的质量判定，但大多数都是通过目视观察法来定性的、主观的判别生成图片与真实图片之间的差距，鉴于定性评估的内在缺陷，还有就是当前的最好的GAN网络生成的图片质量人眼定性评估已经判别不出来了了，恰当的定量评估指标对于GAN的发展和更好模型的设计至关重要。当前最流行的定量评估方法是IS和FID判别法，IS仅仅能判别本文档来自技高网...

【技术保护点】
1.用于DCGAN网络生成图像的质量评估方法，其特征在于，包括以下步骤：/n步骤1：将DCGAN网络生成的图片作为DCGAN网络的输入进行反复迭代，直到迭代次数达到阈值M次，其中，M＞1，DCGAN网络的初始输入为用户准备的原始图片；迭代过程中，每迭代N次后输出并保存一次图片，其中M为N的整数倍；迭代完成之后，从每次保存的图片中，挑选出一部分质量较优的图片，作为后续图片混合之用；/n步骤2：将步骤1每一次挑选的图片分别打上不同标签，同时也从原始图片中取出一部分图片并打上标签，之后将打了标签的各类图片等比例的混合在一起，得到混合图片集；/n步骤3：将混合图片集的一部分作为训练集输入到分类器当中训...

【技术特征摘要】
1.用于DCGAN网络生成图像的质量评估方法，其特征在于，包括以下步骤：
步骤1：将DCGAN网络生成的图片作为DCGAN网络的输入进行反复迭代，直到迭代次数达到阈值M次，其中，M＞1，DCGAN网络的初始输入为用户准备的原始图片；迭代过程中，每迭代N次后输出并保存一次图片，其中M为N的整数倍；迭代完成之后，从每次保存的图片中，挑选出一部分质量较优的图片，作为后续图片混合之用；
步骤2：将步骤1每一次挑选的图片分别打上不同标签，同时也从原始图片中取出一部分图片并打上标签，之后将打了标签的各类图片等比例的混合在一起，得到混合图片集；
步骤3：将混合图片集的一部分作为训练集输入到分类器当中训练分类器，再用混合图片集剩下的部分测试分类器的分类精度，当分类精度满足要求之后进入步骤4；
步骤4：将混合图片集输入到DCGAN网络中，让它生成一定数量的图片我...

【专利技术属性】
技术研发人员：李潇，
申请(专利权)人：深圳易嘉恩科技有限公司，
类型：发明
国别省市：广东;44