基于深度学习的对抗网络图像识别方法研究

打开文本图片集

DOI：10.16601/j.cnki.issn2096-7330.2024.01.010 文章编号：2096-7330（2024）01-0078-04

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。（剩余3782字）