System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及空中手写字符生成,特别涉及一种生成对抗网络模型。
技术介绍
1、生成对抗网络(generative adversarial network,简称gan)是由伊恩·古德费洛等人于2014年提出的,它的设计灵感来源于博弈论中的“零和游戏”。gan由两个主要组成部分构成:生成器(generator)和判别器(discriminator)。这两个部分通过对抗学习的方式相互竞争,从而使得生成器能够不断提高生成逼真样本的能力,而判别器则不断提高辨别真伪样本的能力。
2、其中gan在图像领域取得了显著成功,其生成器输入为随机噪声。为加速网络收敛,且生成特定类别数据,产生了条件生成式对抗网络(conditional gan,简写为cgan)。然而,现在的生成对抗网络模型主要是图像生成,无法生成长度可变的联机手写字符数据。目前虽然已建成一些公开的空中手写字符数据集(如:iahcc-ucas2016),但是人类语言有很多种,数据采集非常费时费力,且消耗大量财力,给空中手写字符识别算法研究带来了难度。因此,亟需一个能够生成长度可变的联机手写字符数据的gan模型。
技术实现思路
1、本申请实施例提供一种生成对抗网络模型,能够生成长度可变的联机手写字符数据。
2、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;
3、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;
< ...【技术保护点】
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;
2.如权利要求1所述的生成对抗网络模型,其特征在于,所述生成器包括第一生成网络模块和第二生成网络模块,所述第一网络模块和第二网络模块均为残差结构。
3.如权利要求2所述的生成对抗网络模型,其特征在于,所述生成器还包括第三生成网络模块和第四生成网络模块,所述第三网络模块和第四网络模块用于特征提取。
4.如权利要求1所述的生成对抗网络模型,其特征在于,所述判别器包括第一判别网络模块和第二判别网络模块,所述第一判别网络模块和第二判别网络模块均为残差结构。
5.如权利要求4所述的生成对抗网络模型,其特征在于,所述判别器还包括第三判别网络模块,所述第三判别网络模块用于特征提取。
6.如权利要求5所述的生成对抗网络模型,其特征在于,所述第一判别网络模块、第二判别网络模块和第三判别网络模块均包括Padding层,所述Padding层用于输入和卷积操作后所述特征图长度对齐。
7.如权利要求4所述的生成对抗网络模型,其特征在于,所述判别器还包括全连接层,所述全连接层用
8.如权利要求4所述的生成对抗网络模型,其特征在于,所述判别器还包括二分类层。
9.如权利要求1所述的生成对抗网络模型,其特征在于,所述判别器的损失函数为二元交叉熵损失函数BCE。
10.如权利要求1所述的生成对抗网络模型,其特征在于,所述判别器的输入为真实的空中手写字符样本和所述生成器生成的虚拟空中手写字符样本。
...【技术特征摘要】
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;
2.如权利要求1所述的生成对抗网络模型,其特征在于,所述生成器包括第一生成网络模块和第二生成网络模块,所述第一网络模块和第二网络模块均为残差结构。
3.如权利要求2所述的生成对抗网络模型,其特征在于,所述生成器还包括第三生成网络模块和第四生成网络模块,所述第三网络模块和第四网络模块用于特征提取。
4.如权利要求1所述的生成对抗网络模型,其特征在于,所述判别器包括第一判别网络模块和第二判别网络模块,所述第一判别网络模块和第二判别网络模块均为残差结构。
5.如权利要求4所述的生成对抗网络模型,其特征在于,所述判别器还包括第三判别网络模块,所述第三判别网络模块用于特征提取。
6.如权利要...
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。