基于生成对抗网络的手写数字识别优化

董 飞, 周 丽
四川大学锦城学院 计算机与软件学院

摘要

在深度学习训练模型时如果训练数据集量少，那么训练出的模型效果通常不会很理想，而生成对抗网络（GAN）可以通过学习原始图片特征生成与其相似的新图片从而扩充数据集解决原始数据集量少的问题。本文主要研究讨论生成对抗网络（GAN）的基本组成结构和实现原理以及它在图像生成与数据扩充上的应用。文中用手写数字集识别的实验来说明GAN生成图像扩充数据集对训练出的模型的泛化能力和准确率的提升效果。

关键词

生成对抗网络（GAN）；图像生成；手写数字

参考

[1] 陈丽芳, 芦国军. 基于VAE和GAN融合网络的 mnist 手写体数字图像生成方法[J]. 廊坊师范学院学 报(自然科学版),2019,19(02):25-29.

[2] 奚祥品, 陈筱, 朱向冰. 生成对抗网络介绍及 应用[J/OL].无线电通信技术:1-9[2021-05-16].

[3] 王爱丽, 薛冬, 吴海滨, 王敏慧. 基于 条件生成对抗网络的手写数字识别[J]. 液晶与显 示,2020,35(12):1284-1290.

[4] 王曙燕, 金航, 孙家泽.GAN 图像对抗样本生 成方法[J].计算机科学与探索,2021,15(04):702-711.

[5] 曹仰杰, 贾丽丽,陈永霞,林楠,李学相.生 成式对抗网络及其计算机视觉应用研究综述[J]. 中国 图象图形学报,2018,23(10):1433-1449.

[6] 程显毅, 谢璐, 朱建新, 胡彬, 施佺. 生成对 抗网络GAN综述[J].计算机科学,2019,46(03):74-81.

[7] 李超波, 李洪均,徐晨.深度学习在图 像识别中的应用[J]. 南通大学学报(自然科学 版),2018,17(01):1-9.

[8] 吴少乾,李西明.生成对抗网络的研究进展综 述[J].计算机科学与探索,2020,14(03):377-388.

[9] 牛斌, 吴鹏, 马利, 刘景巍. 一种基于生成 对抗网络的行为数据集扩展方法[J]. 计算机技术与发 展,2019,29(07):43-48.

[10]杨大为. 生成式对抗网络GAN及应用[J].信 息系统工程,2018(06):81-82.