一种基于对抗正则化的图像特征提取方法

摘要

图像特征提取的质量直接影响图像分类精度,针对现有特征提取方法不能准确提取远离分类边界特征的问题.本文提出一种基于对抗正则化的图像特征提取方法,在分类目标函数中引入对抗性正则化项,其核心思想是将特征经过Dropout得到两个后验分布,分类器最大化后验分布得到分类边界,特征生成器最小化后验分布生成远离分类边界的特征,二者相互对抗鼓励生成更具有代表性的类别信息,同时探究不同概率分布度量方法对特征空间的影响.实验表明,经过对抗正则化后生成器网络提取的特征良好,该方法在不同数据集的分类准确率上有所提升.