专利交易市场

本发明公开了一种基于CGAN的均匀样本生成的数据提取方法，使用均匀采样生成类标签l，然后从高斯分布中采样向量z，将l和z组合输入到CGAN，使用CGAN生成图像x，然后将x输入到目标模型中得到目标模型的输出，接着使用(x，V(x))标签对来训练替代模型，得到替代模型的输出C，最后通过交叉熵损失函数比较目标模型和替代模型的(V(x)，C(x))差异以及(l，V(x))差异，反向传播梯度更新生成器CGAN。待CGAN循环训练一定轮次后，即(l，V(x))的损失几乎不改变的时候，使用CGAN生成图像单独训练替代模型直到达到最优替代模型，本发明利用基于条件生成对抗网络(CGAN)的均衡样本生成器来生成类别平衡的伪造数据集，以减少类别不平衡现象并提高模型提取的效率。