计算机应用

作者：欧莉莉, 邵峰晶, 孙仁诚, 隋毅

单位：1. 青岛大学 计算机科学技术学院, 山东 青岛 266071;2. 青岛大学附属医院, 山东 青岛 266071

关键词：生成对抗网络,半监督,脑梗,深度卷积网络,图像识别,特征匹配

基金：国家自然科学基金青年科学基金资助项目（41706198）。

在图像识别领域，针对有监督方法的模型在标签数据不足时图像的识别效果不佳问题，提出一种基于生成对抗网络（GAN）的半监督方法模型，即结合了半监督生成对抗网络（SSGAN）和深度卷积生成对抗网络（DCGAN）的优点，并在输出层用softmax代替了sigmoid激活函数，从而建立半监督深度卷积生成对抗网络（SS-DCGAN）模型。首先，将生成样本定义为伪样本类别并用于引导训练；其次，采用半监督的训练方式对模型的参数进行更新；最后，实现对异常（脑梗死）图像的识别。实验结果表明，SS-DCGAN模型在标签数据较少时能够很好地识别异常图像，达到95.05%的识别率，与ResNet32、半监督梯度网络（Ladder Network）分类方法相比具有显著的优越性。

来源：2021年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第4期