基于人工智能化算法的圖像識別及生成(參考版)
2025-06-21 17:49本頁面
【正文】 參考文獻： [1] [D].吉林大學(xué)，2010（06）：65102. 整理分享 。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，%，%。 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。 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）。）； classify_num = 9； classify_matrix = zeros（1，10）； classify_matrix（classify_num+1） = 1； choose = zeros（size（train_x，1），1）； for i=1：size（train_x，1） if（train_y（i，：）==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。 學(xué)習(xí)率： Batchsize：50 更新判別器時的迭代次數(shù)
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1