基于WGAN的图像识别方法 .pdfVIP

2020年12月控制工程Dec.2020

第27卷第12期ControlEngineeringofChinaVol.27,No.12

文章编号：1671-7848(2020)12-2168-08DOI:10.14107/ki.kzgc

基于WGAN的图像识别方法

胡龙辉、王朝立、孙占全、杨爱俊2

(1.上海理工大学光电信息与计算机工程学院，上海200093:2.沈机(上海)智能系统研发设计有限公司，上海200433)

摘要：当前用于深度学习中数据扩充的方法只是在原始图像上进行操作，没有改变图像

的深层信息，因此对模型效果的提升有限。借鉴CGAN(ConditionalGenerativeAdversarial

Networks)的思想，提出一种基于WGAN(WassersteinGAN)的图像识别方法。将送入WGAN

生成器的数据加上类别标签，然后训练生成器和判别器，使生成器最终可以输出指定类别

样本，并使判别器的能力达到最优。同时，判别器最后一层添加Softmax分类器，可使其

在输出样本真假性的同时输出类别。此方法可以提升模型分类的准确性和鲁棒性，并且加

快网络收敛速度。通过在MNIST、SVHN和CIFAR-10数据集上进行实验，证明了所提出

方法的有效性。

关键词：卷积神经网络；类别标签；生成对抗网络；WGAN:图像识别

中图分类号：TP18文献标识码：A

ImageRecognitionwithWGAN

HULonghuiWANGChaoliSUNZhanquanYANGAijun

-\-\-\-2

(1.

China;2.ShenyangMachineTool(Shanghai)IntelligentSystemResearchDesignCo.,Ltd,Shanghai200433,China)

Abstract:Thecurrentmethodsfordataaugmentationofdeeplearningonlyoperateontheoriginalimageand

donotchangethedeepinformationoftheimage,sotheimprovementofmodelseffectivenessislimited.

ReferringtotheideaofCGAN(ConditionalGenerativeAdversarialNetworks),animagerecognitionmethod

basedonWGAN(WassersteinGAN)isproposed.CategorylabelsareaddedtothedataandsentintoWGAN^

generator,thengeneratoranddiscriminatoraretrained.Finally,thegeneratorcanoutputthespecifiedcategory

samples,andtheabilityofdiscriminatorisoptimized.Softmaxclassifierisaddedtothel