基于深度学习的对抗网络图像识别方法研究  

Research on Adversarial Network Image Recognition Method Based on Deep Learning

作　　者：张守震 姜飞[1] ZHANG Shou-zhen;JIANG Fei

机构地区：[1]宿州学院信息工程学院,安徽宿州234000

出　　处：《南宁师范大学学报（自然科学版）》2024年第1期78-81,共4页Journal of Nanning Normal University：Natural Science Edition

基　　金：宿州学院2021年博士科研启动基金项目“基于多特征融合的人脸表情识别研究”(2021BSK017);产学研科研项目“基于图像处理的多功能远程监控智能安防系统设计与实现”(2022xhx301);产学研科研项目“基于人工智能的多功能网络智能家居控制系统研究与设计”(2022xhx302)。

摘　　要：为了解决传统图像的识别低效且需要过多的人工参与的问题,对更加高效的生成式对抗网络模型进行研究:(1)在经过博弈训练达到收敛的GAN模型的基础上,对判定器进行优化,并加入softamx层以便能更好地进行图像识别;(2)在基础IR-DCGAN模型上选用MNIST数据集进行训练和测试,并将生成器生成的实验样本输入判定器中,每进行一次迭代训练,数据集就会有所扩充,经过足够的迭代训练后IR-DCGAN就基本稳定,其图像识别准确率相较于其他识别方法有显著提升。当迭代次数达到25000次时IR-DCGAN识别网络已经基本成熟,同时表明IR-DCGAN模型比其他方法的识别准确率大幅增加。

关 键 词：生成式对抗网络 MNIST数据集 IR-DCGAN模型 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP391.1[自动化与计算机技术—控制科学与工程]