摘要
本发明提供了图像样本生成模型的构建方法、装置及图像样本生成方法,所述构建方法包括:构建图像训练集;构建预设神经网络模型;其中,预设神经网络模型包括第一特征提取器、第二特征提取器、逆编码器和判别器;逆编码器与第一特征提取器的网络结构相互对称;将图像训练集输入至预设神经网络模型进行特征提取操作,生成第一特征向量和第二特征向量;将向量进行拼接得到融合特征向量,基于融合特征向量生成图像样本;生成图像和图像样本之间的对抗损失函数;根据对抗损失函数生成总损失函数,当总损失函数收敛或达到最大迭代训练次数时,判定训练完成,得到图像样本生成模型。本发明可以提高图像样本生成模型的泛化性。
技术关键词
图像
特征提取器
编码器
样本生成方法
数据分布
神经网络模型训练
训练集
网络结构
表达式
ResNet网络
因子
判别模块
像素点
语义特征
广义
随机噪声
指数
系统为您推荐了相关专利信息
浅层特征提取
多尺度特征
图像超分辨率重建
通道注意力机制
深层特征提取
车辆前方图像
隧道
偏航识别方法
图像采集时间
路段
气体绝缘组合电器
热成像
数据
融合特征
分布特征