基于人工智能化算法的圖像識(shí)別及生成-文庫(kù)吧資料
2025-06-24 17:49本頁(yè)面
【正文】 設(shè)為1 生成訓(xùn)練集： load（39。 參數(shù)設(shè)定：生成器（generator）：輸入層、隱層和輸出層分別有100，512，784個(gè)神經(jīng)元。最后用SVM對(duì)電腦生成的手寫數(shù)字分類，看是否能“騙過(guò)”分類器。但實(shí)用中一般均使用深度神經(jīng)網(wǎng)絡(luò)作為 G 和 D 。模型通過(guò)框架中（至少）兩個(gè)模塊：生成模型（Generative Model）和判別模型（Discriminative Model）的互相博弈學(xué)習(xí)產(chǎn)生相當(dāng)好的輸出。 與SVM比較起來(lái)，ANN準(zhǔn)確率更高，但分析表明，對(duì)于本次報(bào)告所采用的數(shù)據(jù)庫(kù)，ANN和SVM的準(zhǔn)確度不會(huì)有太大差異，因此SVM的參數(shù)或許還可以進(jìn)一步優(yōu)化。 為了方便與SVM的結(jié)果作比對(duì)，ANN的訓(xùn)練集和測(cè)試集與SVM相同，并且不加入自己人臉。 3 ANN對(duì)人臉?lè)诸? 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡(jiǎn)寫為ANNs）也簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)（NNs）或稱作連接模型（Connection Model），它是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。 分類前，我們還需對(duì)PCA后的數(shù)據(jù)進(jìn)行歸一化處理，將圖像矩陣的每一個(gè)元素映射到（1，1）之間。我們?nèi)∶總€(gè)人的前五張照片合并起來(lái)共200張作為訓(xùn)練集，每個(gè)人后五張照片合并起來(lái)共200張作為測(cè)試集。 2 SVM對(duì)人臉?lè)诸? SVM（支持向量機(jī)）是Corinna Cortes和Vapnik等于1995年首先提出的，在機(jī)器學(xué)習(xí)中，支持向量機(jī)是與相關(guān)的學(xué)習(xí)算法有關(guān)的監(jiān)督學(xué)習(xí)模型，可以分析數(shù)據(jù)，識(shí)別模式，用于分類和回歸分析。從前到后觀察實(shí)驗(yàn)所得的圖像，我們可以發(fā)現(xiàn)，人臉變得越來(lái)越模糊，到100維以后已經(jīng)分辨不清人臉了。 從圖4可以看出，當(dāng)保留維數(shù)為100維時(shí)，即能保留人臉90%的信息，而之后隨著保留維數(shù)的增多，保留信息的增多
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號(hào)-1