《表6 CIFAR-100图像集实验准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度卷积生成对抗网络的图像识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文采用的CIFAR-100数据集包含大量的测试图片[14]。与CIFAR-10不同的是，CIFAR-100有100个分类，其中每个类都包含500个训练图像和100个测试图像，每个图像都带有两个标签。使用本文2.3节提出的模型实现生成器和判别器，首先对数据集中的图像进行预处理，将图片进行归一化，再利用Canny算子和Prewitt算子的加权，最后作为训练模型的输入。在生成器的全连接层中加入Dropout，在预处理的3个阶段，由于CIFAR-100的前景背景相对复杂多变，因此T1设置为20 000，T2为3 000，T3为10 000，α为0.006，实验总共运行了25h，进行了50个epoch。在训练过程中，判别器的损失函数逐渐下降，而生成器的损失函数逐渐上升，最终判别器以微弱优势战胜了生成器。最终检测效果如图1所示。在与其他经典方法的对比中，其收敛的速度更快，检测率也更优，如表6所示。