计算机工程

作者：周林勇, 谢晓尧, 刘志杰, 谭宏卫, 游善平

单位：1. 贵州师范大学 信息与计算科学重点实验室, 贵阳 550001;2. 贵州财经大学 数学与统计学院, 贵阳 550001

关键词：生成对抗网络,辅助分类器生成对抗网络,特征提取,图像分类,特征匹配

基金：国家自然科学基金（U1631132）。

针对基于辅助分类器生成对抗网络（ACGAN）的图像分类算法在训练过程中稳定性低且分类效果差的问题，提出一种改进的图像识别算法CP-ACGAN。对于网络结构，在判别网络的输出层取消样本的真假判别，只输出样本标签的后验估计并引入池化层。对于损失函数，除真实样本的交叉熵损失外，在判别网络中增加生成样本的条件控制标签及后验估计间的交叉熵损失。在此基础上，利用真假样本的交叉熵损失及属性重构生成器和判别器的损失函数。在MNSIT、CIFAR10、CIFAR100数据集上的实验结果表明，与ACGAN算法、CNN算法相比，该算法具有较好的分类效果与稳定性，且分类准确率分别高达99.62%、79.07%、48.03%。

来源：2019年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第10期