马上注册，结交更多好友，享用更多功能，让你轻松玩转社区。
您需要 登录 才可以下载或查看，没有账号？立即注册
×
简介
简介：在改进的条件深度卷积天生对抗网络模子，使用频谱归一化的全局权重。 使用组归一化对隐层的输入举行处置惩罚，可以加速训练速率，进步天生样本的质量。 模子接纳全局均匀池化层代替全毗连层，制止过拟合。同时筹划了一个分类器，相沿辨别器的参数来实现图像辨认。
论文标题：Structure Improved Conditional Spectral Normalization Generative Adversarial Networks for Image Recognition（结构改进的条件谱归一化天生对抗网络图像辨认）
集会：2020 Chinese Automation Congress (CAC)
择要：天生对抗网络（GANs）已成为盛行的天生模子。 然而，网络训练产生不稳固性的题目很难消除。 综合前人模子的优点，提出了一种新的方法（SICS-GAN）。 在改进的条件深度卷积天生对抗网络模子中，使用频谱归一化的全局权重。 使用组归一化对隐层的输入举行处置惩罚，可以加速训练速率，进步天生样本的质量。 模子接纳全
| 
发表于 2025-10-19 06:16:16