圖像分類作為理解圖像內(nèi)容的重要手段之一,在金融、公共安全、交通等領(lǐng)域都有成功的應(yīng)用,其重要性不言而喻。面對(duì)海量的圖像數(shù)據(jù)集,采用人工的方式對(duì)圖像的語義屬性標(biāo)記不便于檢索和分類,從而產(chǎn)生了圖像信息分析不準(zhǔn)確等問題。而隨著有關(guān)GAN框架的提出,GANs便成為深度學(xué)習(xí)領(lǐng)域里比較重要的一個(gè)模型,也是人工智能研究的一個(gè)重要工具。并提出了多種基于GAN框架的改進(jìn)模型。尤其是Triple-GAN把GAN的框架從二人博弈發(fā)展到三人博弈,即在判別器和生成器的基礎(chǔ)上加入了分類器,從而使Triple-GAN可以解決發(fā)生器和判別器不能同時(shí)達(dá)到最優(yōu)及生成器不能控制生成樣本的語義等問題。但Triple-GAN在圖像分類中仍然存在以下問題:第一,由于Triple-GAN在分類器中需要標(biāo)記部分樣本標(biāo)簽,而Triple-GAN仍然采用手動(dòng)的方式對(duì)樣本進(jìn)行標(biāo)記,造成了手動(dòng)標(biāo)記工作量過大且標(biāo)記不均勻等問題。第二,Triple-GAN目前仍然沿用KL散度分布構(gòu)造目標(biāo)損失函數(shù),而KL散度在分布不交叉時(shí),會(huì)出現(xiàn)梯度消失,所以在Triple-GAN中也同樣存在GAN中類似的問題,如梯度消失,訓(xùn)練不穩(wěn)定等問題。本文主要的創(chuàng)新點(diǎn)將分為...

【文章頁數(shù)】：53 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 GAN的研究現(xiàn)狀
        1.2.2 隨機(jī)森林算法研究現(xiàn)狀
    1.3 論文的主要工作及結(jié)構(gòu)
        1.3.1 主要研究內(nèi)容
        1.3.2 論文結(jié)構(gòu)
第2章 相關(guān)理論基礎(chǔ)
    2.1 Triple-GAN
    2.2 隨機(jī)森林算法
    2.3 最小二乘GAN
    2.4 卡方分布
    2.5 本章小結(jié)
第3章 基于Triple-GAN的分類算法設(shè)計(jì)與實(shí)現(xiàn)
    3.1 Improved Triple-GAN模型
        3.1.1 基于隨機(jī)森林的分類器
        3.1.2 生成器
        3.1.3 判別器
    3.2 目標(biāo)損失函數(shù)
    3.3 Improved Triple-GAN模型方法實(shí)現(xiàn)
    3.4 本章小結(jié)
第4章 實(shí)驗(yàn)結(jié)果與分析
    4.1 實(shí)驗(yàn)平臺(tái)
    4.2 數(shù)據(jù)集以及實(shí)驗(yàn)參數(shù)說明
    4.3 基于Improved Triple-GAN分類效果展示
        4.3.1 分類算法實(shí)驗(yàn)效果對(duì)比
        4.3.2 Improved Triple-GAN與LSGAN效果對(duì)比
        4.3.3 Improved Triple-GAN與Triple-GAN效果對(duì)比
        4.3.4 模型結(jié)果
    4.4 Improved Triple-GAN模型效果評(píng)估
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文主要工作
    5.2 未來工作展望
參考文獻(xiàn)
致謝
附錄 攻讀碩士學(xué)位期間發(fā)表的論文和主持及參與的科研項(xiàng)目



本文編號(hào)：3840357