本发明公开了一种基于生成式对抗网络的基因表达数据推断方法，包括以下步骤：1)基因表达数据预处理，由不同平台的高维度小样本基因表达数据经处理得到大样本量的尺度统一、格式相同的基因表达数据；2)基于生成式对抗网络设计基因生成模型与基因判别模型；3)设计网络的目标函数与训练策略，对已经经过预处理的基因表达数据进行分包循环训练，通过网络的不断调整与优化得到最优生成模型。本发明提供一种具有良好的实用性和精度，采用基因生成模型和基因判别模型构建以及生成式对抗网络训练实现基因表达数据推断的方法。
📄 2018104440121
📂 G06F19_20
👤 浙江工业大学
📅 2018-05-10
基于生成对抗网络和驾驶时长的车辆跟驰模型生成方法，利用互相关计算法计算出驰场景数据集中后车驾驶员的反应时间，并依据前车加速这一特征进行数据分类，然后利用分段函数线性回归方法进行数据拟合，得到了基于驾驶时长的驾驶员反应时间模型；将跟驰场景数据集分为训练集与测试集，设置生成对抗网络的学习率生成率等参数，使用训练集训练后，利用生成器生成了驾驶决策库，随后设计了决策库匹配算法，并与反应时间结合生成了车辆跟驰模型。对比已有的跟驰模型，本方法考虑了由驾驶时长引起的驾驶疲劳，仿真效果具有更高的真实性，为交通管理与辅助车辆安全驾驶等领域提供了技术支持。
📄 2020115266728
📂 G06F30_15
👤 浙江工业大学
📅 2020-12-22
一种基于时空图卷积‑生成对抗网络的交通速度预测方法，首先，根据城市路网结构，将路网中的路段作为图的节点，交叉路口作为连接节点的边，构建交通图网络；然后，通过城市路网中的车流速度检测器获取采样收集车流速度数据，构建特征矩阵，接着，通过本发明中构建好的时空图卷积网络(STGCN)作为生成对抗网络的生成器和全连接神经网络作为判别器，对抗生成交通速度数据，通过两者相互博弈训练，共同提升，最终得到一个最佳的交通速度预测模型。利用生成对抗网络最终的生成器生成最接近真实数据的交通状态数据预测值，达到本发明路网状态数据预测的目的。本发明可以实现更准确的交通速度预测。
📄 2021104914420
📂 G08G1_01
👤 浙江工业大学
📅 2021-05-06
本发明提供一种基于生成对抗网络的人脸匿名隐私保护方法。本发明首先对人脸图像数据预处理；然后构建生成对抗网络结构；再建立人脸区域匿名的目标函数；然后建立场景内容区域保留的目标函数；随后进行人脸匿名与场景保留的目标函数的结合；最后采用公开数据集进行训练及测试，输出最终结果。本方法对图像中人脸区域进行合成脸的替换而达到人脸匿名的效果，相对以往的马赛克遮挡的方法更高效并且在视觉上更友好。本发明方法具有高效性与实用性，对人物图像的隐私保护更高效和美观。
📄 2020100067685
📂 G06T3_00
👤 杭州电子科技大学
📅 2020-01-03
本发明公开了一种基于条件深度卷积生成对抗网络的端到端方言辨识方法，包括：分别获取多种方言的语音数据以生成训练集和测试集；将训练集和测试集转化为样本语谱图；建立条件深度卷积生成对抗网络，其中，条件深度卷积生成对抗网络包括生成器和判别器；对样本语谱图加以扩展条件，并将包含扩展条件的样本语谱图和噪声输入生成器，利用生成器中的卷积层进行特征提取加上条件辅助训练；将训练好的条件深度卷积生成对抗网络中的判别器抽取出来，输入样本语谱图和生成器生成的样本，利用该判别器中的卷积层提取深层次非线性特征，从而进行语谱图的相似性判断，并输出判断结果；将判断结果输入最终分类器，以得到测试集中的方言类别。
📄 2018112127317
📂 G10L15_00
👤 江苏师范大学
📅 2018-10-18
本发明公开了一种基于三判别器生成对抗网络的PET和MRI图像融合方法，首先对PET图像进行RGB彩色空间到YCbCr彩色空间的变换操作，分别得到PET图像的Y，Cb，Cr三个分量图像；再对PET图像的Y分量和MRI图像进行差分操作，所得到的差分图像与PET图像的Y分量和MRI图像进行联结操作后输入到生成器网络；然后将通过生成器所生成的图像和实际图像分别输入到三个判别器中，通过进行循环对抗来不断提升生成器的生成能力与三个判别器的鉴别能力，最终达到两类网络的平衡状态，从而使得生成器能够综合所输入的图像信息，生成一幅既包含原始MRI图像的空间结构信息又包含原始PET图像的功能信息的融合图像。
📄 2022110057392
📂 G06T5_50
👤 江苏海洋大学
📅 2022-08-22
本发明涉及一种VAE‑SAGAN模型、欺诈检测模型训练方法及系统。VAE‑SAGAN模型训练方法包括：获取多个第一欺诈样本作为第一训练集；将所述第一训练集输入预训VAE‑SAGAN模型进行训练，训练过程如下：将各个第一欺诈样本输入到所述预训VAE‑SAGAN模型，获得各个第一重构欺诈样本；获取每个第一欺诈样本与对应的第一重构欺诈样本之间的重构损失值和对抗损失值；将每个第一欺诈样本对应的重构损失值与对抗损失值之和作为总损失值；基于各个总损失值调整所述预训VAE‑SAGAN模型的参数，并重复执行训练直至各个所述总损失值均收敛，和/或，直至迭代预设次数，则将当前的预训VAE‑SAGAN模型作为目标VAE‑SAGAN模型。能够通过过采样方法来保证欺诈样本和正常交易样本之间数据平衡化的效果。
📄 2024113788115
📂 G06F18_21
👤 武汉工程大学
📅 2024-09-30
本发明公开了一种基于生成对抗网络的红外图像去运动模糊方法，属于计算机视觉领域，所述去运动模糊方法包括：S1、构建红外图像数据集，模拟生成红外图像的运动模糊图像，将红外图像模糊—清晰图像对作为训练数据与测试数据；S2、构建基于生成对抗网络的红外图像去运动模糊模型，将训练数据输入模型进行训练，用测试数据测试后，获得训练好的生成器网络；所述生成器网络采用基于纵向通道和动态卷积生成网络；S3、将待去运动模糊的红外图像输入训练好的生成器网络，获得去运动模糊的红外图像。本发明能够保留图像中更多的细节信息，避免细节损失，同时增强处理不同模糊场景下的图像的鲁棒性。
📄 2021116202056
📂 G06T5_73
👤 燕山大学
📅 2021-12-28
本发明公开一种基于生成对抗网络的红外图像小目标检测方法，该方法针对包含小目标的目标图像块重构出虚假背景图像块，将虚假背景图像块与目标图像块进行配对得到第一配对数据，用该数据对生成对抗网络进行训练，然后将图像序列块中未包含小目标的两个原始背景图像块进行配对得到第二配对数据，并使用该数据继续进行训练得到目标生成对抗网络模型，将待检测的图像块序列输入目标生成对抗网络模型得到检测序列结果，将检测序列结果按待检测的原始红外图像的尺寸进行拼接，并将拼接后的图像与待检测的原始红外图像作残差，对作残差后的图像进行滤波得到检测结果。通过本发明提供的方法，可以在保证较快的检测速率的同时，极大地抑制背景干扰。
📄 2020100772835
📂 G06T7_00
👤 重庆邮电大学
📅 2020-01-26
本发明提供了一种基于生成对抗网络的遥感图像去雾方法，包括以下步骤：S1、构建用于训练的有雾遥感图像数据集；S2、搭建用于遥感图像去雾的注意力引导的残差融合对抗生成网络；S3、训练注意力引导的残差融合对抗生成网；S4、应用注意力引导的残差网络对有雾遥感图像去雾；本发明通过提取的底层细节特征与高层全局特征相结合，提升了去雾图像的精细度，采用了对抗网络思想，降低了网络的训练难度，适合遥感图像去雾这类图生图任务，能够更精准地感受出雾霾的浓度和大小，有效地处理了以往方法面对真实雾霾情形下雾霾分布浓度不均匀导致全局去雾效果不好的问题，能够尽可能的在去雾的同时保留原有细节和颜色。
📄 2024105564019
📂 G06T5_60
👤 广东工业大学
📅 2024-05-07
基于生成对抗网络的去除手势图像背景的方法，包括如下几个步骤：步骤一：模型建立：包括建立生成对抗网络模型、定义关于模型目标函数、引入批量归一化层、引入线性整流函数激活函数和引入Dropout层；步骤二：模型训练，步骤三：模型使用，包括预处理、归一化和调用模型，最终得到的输出即为不带背景的手势图像。本发明具有高效、准确、快速、易部署等特点。
📄 2020109841120
📂 G06T7_194
👤 湖北医药学院
📅 2020-09-10
本发明属于属于图像处理与计算机视觉技术领域，特别涉及一种基于生成对抗网络的卫星视频车辆数目估计方法，包括将卫星视频进行抽帧处理，获得原始图像以及原始图像对应的真实标签图像；对原始图像进行分块操作获得子图，将子图以及原始图像分别送入具有相同结构的生成器生成特征图；分别将子图以及原始图像的特征图送入生成对抗网络，获得由子图生成的特征图和由原始图像生成的特征图；计算由子图生成的特征图和由原始图像生成的特征图之间的距离，最小化该距离以获得最优结果，根据最优结果获得车流量密度图；本发明不仅充分利用图像信息，避免了数据缺乏的问题；还利用生成对抗网络将整个网络框架定义为一个回归问题，有效避免了检测困难的问题。
📄 2019107919128
📂 G06V20_40
👤 重庆邮电大学
📅 2019-08-26
柿子坊 · 知识产权运营
柿子坊知识产权运营平台