基于人工智能化算法的圖像識別及生成-資料下載頁
2025-06-18 17:49本頁面
【正文】 ==classify_matrix） choose（i） = choose（i）+1； end end choose = logical（choose）； train_x = train_x（choose，：）； train_x = train_x（1：5000，：）； train_x = double（reshape（train_x， 5000， 28， 28））/255； train_x = permute（train_x，[1，3，2]）； train_x = reshape（train_x， 5000， 784）； 生成器損失雖然不是很低，但是最終基本穩(wěn)定。 SVM對生成手寫數(shù)字做分類 我們用GAN分別生成0到9的手寫數(shù)字，將生成的圖片作為測試集用SVM做分類，看是否能分到正確的類別。 Result是SVM中的投票矩陣，投票數(shù)最多的一個的序號減一即為所分到的類別（數(shù)字09）。這里的SVM?^別于前面所討論的人臉識別的SVM，它是由45個（C（10，2））一對一分類器生成的多分類器。 可以看到，每一個由GAN生成的手寫數(shù)字均被SVM分到了正確的類別，如此可見GAN實在強大。 5 總結(jié) 運用PCA對原始數(shù)據(jù)進行降維，不僅能夠保留原始的主要信息，而且可以減少算法的執(zhí)行時間。通過組合SVM的二分類器來生成多分類器實現(xiàn)對人臉的識別，%，%。最后利用GAN生成手寫字體，SVM全部正確地進行了分類，這表明GAN生成的手寫數(shù)字是十分逼真的。 參考文獻： [1] [D].吉林大學，2010（06）：65102. 整理分享
教學教案相關(guān)推薦
鄂ICP備17016276號-1