基于WGAN的图像识别方法

来源期刊：控制工程2020年第12期

论文作者：胡龙辉 王朝立 孙占全

关键词：卷积神经网络;类别标签;生成对抗网络;WGAN;图像识别;

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（Conditional Generative Adversarial Networks）的思想,提出一种基于WGAN（Wasserstein GAN）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。