基于Triple-GAN的分类算法改进研究

发布时间：2023-08-08 19:35

　　图像分类作为理解图像内容的重要手段之一,在金融、公共安全、交通等领域都有成功的应用,其重要性不言而喻。面对海量的图像数据集,采用人工的方式对图像的语义属性标记不便于检索和分类,从而产生了图像信息分析不准确等问题。而随着有关GAN框架的提出,GANs便成为深度学习领域里比较重要的一个模型,也是人工智能研究的一个重要工具。并提出了多种基于GAN框架的改进模型。尤其是Triple-GAN把GAN的框架从二人博弈发展到三人博弈,即在判别器和生成器的基础上加入了分类器,从而使Triple-GAN可以解决发生器和判别器不能同时达到最优及生成器不能控制生成样本的语义等问题。但Triple-GAN在图像分类中仍然存在以下问题:第一,由于Triple-GAN在分类器中需要标记部分样本标签,而Triple-GAN仍然采用手动的方式对样本进行标记,造成了手动标记工作量过大且标记不均匀等问题。第二,Triple-GAN目前仍然沿用KL散度分布构造目标损失函数,而KL散度在分布不交叉时,会出现梯度消失,所以在Triple-GAN中也同样存在GAN中类似的问题,如梯度消失,训练不稳定等问题。本文主要的创新点将分为...

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 GAN的研究现状
        1.2.2 随机森林算法研究现状
    1.3 论文的主要工作及结构
        1.3.1 主要研究内容
        1.3.2 论文结构
第2章 相关理论基础
    2.1 Triple-GAN
    2.2 随机森林算法
    2.3 最小二乘GAN
    2.4 卡方分布
    2.5 本章小结
第3章 基于Triple-GAN的分类算法设计与实现
    3.1 Improved Triple-GAN模型
        3.1.1 基于随机森林的分类器
        3.1.2 生成器
        3.1.3 判别器
    3.2 目标损失函数
    3.3 Improved Triple-GAN模型方法实现
    3.4 本章小结
第4章 实验结果与分析
    4.1 实验平台
    4.2 数据集以及实验参数说明
    4.3 基于Improved Triple-GAN分类效果展示
        4.3.1 分类算法实验效果对比
        4.3.2 Improved Triple-GAN与LSGAN效果对比
        4.3.3 Improved Triple-GAN与Triple-GAN效果对比
        4.3.4 模型结果
    4.4 Improved Triple-GAN模型效果评估
    4.5 本章小结
第5章 总结与展望
    5.1 本文主要工作
    5.2 未来工作展望
参考文献
致谢
附录 攻读硕士学位期间发表的论文和主持及参与的科研项目



本文编号：3840357