论文部分内容阅读
针对传统深度卷积生成对抗网络(DCGAN)在小样本数据输入时生成的水下图像存在细节模糊和相似度较高的问题,提出一种改进的生成器网络,以提高生成水下图像质量。利用卷积神经网络特征融合方法改进了DCGAN生成器结构,提出模型训练策略加速网络收敛速度;设计生成目标与背景融合中心点函数,采用泊松融合方法生成训练数据。试验表明,改进后的模型能够丰富生成的图像,突出纹理、形状等细节信息,扩增后的数据使识别精度有效提升了2.5%。