基于特征重标定生成对抗网络的图像分类算法
Image classification algorithm based on feature recalibration GAN
1. 徐州工程学院 信电工程学院, 江苏 徐州 221008
2. 苏州市吴江区公安局 科技信息化大队, 江苏 苏州 215200
3. 中国矿业大学 信息与控制工程学院, 江苏 徐州 221008
摘要
针对传统鉴别器的损失策略和结构难以提取到更抽象以及任务相关的鲁棒性特征，从而导致半监督图像分类表现不足的问题，提出了基于特征重标定的生成对抗网络。为了学习到任务相关的特征，在现有半监督GAN的基础上，为鉴别器引入模型在不同状态下的无监督均方差损失正则项，对训练样本中两个分支的同一输入对应得到的不同输出进行参数惩罚，从而指导特征重标定的优化方向。此外，在鉴别器中加入压缩激活模块来优化传统鉴别器的卷积池化结构，该模块自动学习每一个特征通道的重要程度，能够提取任务相关特征并抑制无关特征，实现特征的重标定功能，从而提高半监督图像分类的表现。
基金项目
国家自然科学基金资助项目(61379100)
江苏省高等学校自然科学研究重大项目(18KJA520012)
徐州市科技计划基金资助项目(KC19197)
出版信息
DOI: 10.19734/j.issn.1001-3695.2018.08.0668
出版期卷: 《计算机应用研究》 印刷出版, 2020年第37卷 第3期
所属栏目: 图形图像技术
出版页码: 932-935
文章编号: 1001-3695(2020)03-065-0932-04
发布历史
[2020-03-05] 印刷出版
引用本文
姜代红, 张三友, 刘其开. 基于特征重标定生成对抗网络的图像分类算法 [J]. 计算机应用研究, 2020, 37 (3): 932-935. (Jiang Daihong, Zhang Sanyou, Liu Qikai. Image classification algorithm based on feature recalibration GAN [J]. Application Research of Computers, 2020, 37 (3): 932-935. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
