一种改进GAN模型的图像生成方法

摘要

本发明公开了一种改进GAN模型的图像生成方法，首先读取本地已有的原始图像样本；预训练改进LeNet模型；将改进LeNet模型当做改进GAN模型的判别模型；根据原始GAN模型的生成模型设计改进GAN模型的生成模型；以随机噪声为生成模型的输入，经过反卷积操作后得到生成的图像样本；以生成的图像样本和已有的原始图像样本为判别模型的输入，得到图片是真的概率，并将结果返回给步骤3中的判别模型和步骤4中的生成模型；判别模型更新参数来更好的分辨图片的真假，生成模型生成更加真实的图片；生成模型和判别模型相互竞争，相互促进，训练N步后结束，最终生成模型生成真实的样本。本发明不仅能够为厂家节省成本而且能够为后续的分类问题提供更多的样本。