公开(公告)号：CN109840552A

公开(公告)日：2019-06-04

申请号：CN201910031358.3

申请日：2019-01-14

Applicant: 湖北工业大学

Inventor： 舒军 ,  杨露 ,  吴柯 ,  蒋明威 ,  李振亚 ,  邓明舟 ,  舒心怡 ,  潘健 ,  王淑青

IPC: G06K9/62

Abstract: 本发明公开了一种动态图像分类方法，从图片中随机选取一张图作为输入经过LeNet模型得到Q函数；根据Q函数选取一个动作1或0得到一个奖励和下一张图片；根据奖励更新LeNet模型各层的权重从而得到新的LeNet模型。得到的下一张图作为更新后LeNet模型的输入重复上述操作直到遍历所有图片，保存模型。本发明结合LeNet和强化学习中Qlearning算法用来处理动态图像分类问题，本发明可以用来处理各种大样本数据集如ciffa10，ciffa100等。

公开(公告)号：CN109840552B

公开(公告)日：2020-04-10

申请号：CN201910031358.3

申请日：2019-01-14

Applicant: 湖北工业大学

Inventor： 舒军 ,  杨露 ,  吴柯 ,  蒋明威 ,  李振亚 ,  邓明舟 ,  舒心怡 ,  潘健 ,  王淑青

IPC: G06K9/62

Abstract: 本发明公开了一种动态图像分类方法，从图片中随机选取一张图作为输入经过LeNet模型得到Q函数；根据Q函数选取一个动作1或0得到一个奖励和下一张图片；根据奖励更新LeNet模型各层的权重从而得到新的LeNet模型。得到的下一张图作为更新后LeNet模型的输入重复上述操作直到遍历所有图片，保存模型。本发明结合LeNet和强化学习中Qlearning算法用来处理动态图像分类问题，本发明可以用来处理各种大样本数据集如ciffa10，ciffa100等。

公开(公告)号：CN111027603B

公开(公告)日：2022-07-05

申请号：CN201911181133.2

申请日：2019-11-27

Applicant: 湖北工业大学

Inventor： 舒军 ,  李振亚 ,  杨露 ,  吴柯 ,  蒋明威 ,  邓明舟 ,  舒心怡 ,  潘健 ,  王淑青

IPC: G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种改进GAN模型的图像生成方法，首先读取本地已有的原始图像样本；预训练改进LeNet模型；将改进LeNet模型当做改进GAN模型的判别模型；根据原始GAN模型的生成模型设计改进GAN模型的生成模型；以随机噪声为生成模型的输入，经过反卷积操作后得到生成的图像样本；以生成的图像样本和已有的原始图像样本为判别模型的输入，得到图片是真的概率，并将结果返回给步骤3中的判别模型和步骤4中的生成模型；判别模型更新参数来更好的分辨图片的真假，生成模型生成更加真实的图片；生成模型和判别模型相互竞争，相互促进，训练N步后结束，最终生成模型生成真实的样本。本发明不仅能够为厂家节省成本而且能够为后续的分类问题提供更多的样本。

公开(公告)号：CN111027603A

公开(公告)日：2020-04-17

申请号：CN201911181133.2

申请日：2019-11-27

Applicant: 湖北工业大学

Inventor： 舒军 ,  李振亚 ,  杨露 ,  吴柯 ,  蒋明威 ,  邓明舟 ,  舒心怡 ,  潘健 ,  王淑青

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种改进GAN模型的图像生成方法，首先读取本地已有的原始图像样本；预训练改进LeNet模型；将改进LeNet模型当做改进GAN模型的判别模型；根据原始GAN模型的生成模型设计改进GAN模型的生成模型；以随机噪声为生成模型的输入，经过反卷积操作后得到生成的图像样本；以生成的图像样本和已有的原始图像样本为判别模型的输入，得到图片是真的概率，并将结果返回给步骤3中的判别模型和步骤4中的生成模型；判别模型更新参数来更好的分辨图片的真假，生成模型生成更加真实的图片；生成模型和判别模型相互竞争，相互促进，训练N步后结束，最终生成模型生成真实的样本。本发明不仅能够为厂家节省成本而且能够为后续的分类问题提供更多的样本。