买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江南大学申请的专利一种面向小数据集场景的GAN模型改进方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116484918B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310528722.3，技术领域涉及：G06N3/0464；该发明授权一种面向小数据集场景的GAN模型改进方法是由邓赵红;徐傲然;王士同设计研发完成，并于2023-05-11向国家知识产权局提交的专利申请。

本一种面向小数据集场景的GAN模型改进方法在说明书摘要公布了：本发明属于数据增强应用领域，具体涉及一种面向小数据集场景的GAN模型改进方法。本发明的多判别器融合模块由多个判别器以及判别器融合子模块组成。每个判别器是由多层卷积、全连接层组成的网络，其采用下采样的方式接收一个批次的图片，并将其转换为张量。张量有四个维度，分别为每批次图像的数量batch，通道数c，每张图像的宽w，每张图像的高h。多判别器融合子模块负责协调多个判别器，接收多个判别器的返回值，并将其加权后传输给生成器进行反向传播。为了避免样本渗透的出现，会降低负责增强判别器的权重。这样既可以减少判别器过拟合的概率，又可以降低样本渗透的可能性。

本发明授权一种面向小数据集场景的GAN模型改进方法在权利要求书中公布了：1.一种面向小数据集场景的GAN模型改进方法，其特征在于，步骤如下： 第一步：将符合高斯分布的随机向量z输入至生成器G中，生成器G根据所输入的随机向量生成虚假图像Gz； 第二步：将生成器G所生成的虚假图像Gz输入至判别器融合模块中进行梯度更新； 所述的判别器融合模块结构如下： 判别器融合模块包括原始判别器和增强判别器；增强判别器判别器的训练数据集与原始判别器不同，但该判别器依然会对生成器生成的图像进行判断，并将判断结果反馈给生成器； 改进后的多判别器的目标函数如下： maxDFinal＝WDmaxD+WD_AugmaxDAug 其中，DFinal为最终的判别器返回值，WD为原始判别器输出值反馈给生成器的权重,而WD_Aug为增强后的判别器的输出值反馈给生成器的权重，且WD与WD_Aug的和为1； 在单个判别器中所有的图像数据首先经过二维卷积层进行特征提取，然后输入到多层残差块中以防止神经网络过拟合，并在每两层残差块之间加入dropout层以减少判别器的过拟合能力；接着，输出结果经过池化层进行下采样，重复多次上述操作，最后使用全连接层进行结果的输出； 第三步：判别器融合模块接收到来自生成器G的虚假图像Gz之后，将原始真实图像Xori与虚假图像Gz输入至原始判别器Dori进行鉴别；同时将增强之后的真实图像Xaug与虚假图像Gz输入至增强判别器Daug中进行鉴别； 第四步：将原始判别器Dori与增强判别器Daug所输出的损失值进行加权混合； 第五步：将混合后的结果值反馈给生成器G进行梯度更新； 改进后的判别器的目标函数与原始判别器相比并没有变化，只是将判别器分成了两个相同的个体进行计算，最后再进行整合，如下所示： 在模型中选择二进制交叉熵损失函数作为损失函数，其原始计算公式如下所示： 由于采用的损失函数为二进制交叉熵，因此改进后生成器的损失函数可表示为：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。