本发明公开了一种基于LSTM和DCGAN的时序性图像预测方法,将DCGAN出色的特征捕捉能力与LSTM进行结合,可使得预测的图像数据可视化,便于直接观察;经过改进后的LSTM网络内部具有卷积特性,能直接学习到图像数据的二维空间特征;为减少其内部学习复杂度,将传统的输入图像改为输入特征;特征来源于DCGAN的提取,相对于原始图像在维度...
利用深度卷积生成对抗网络(DCGAN),卷积层能够在无标签的情况下自动提取到图像特征.首先以无监督的方式训练卷积神经网络;然后将MRI图像序列转换为特征序列,再输入到长短时记忆网络进行训练;最后结合特征序列与LSTM的隐藏状态进行分类.实验结果显示,相比3D模型,该算法有着更少的参数,对于NC与AD的分类达到了93.93%的准确...
利用深度卷积生成对抗网络(DCGAN),卷积层能够在无标签的情况下自动提取到图像特征.首先以无监督的方式训练卷积神经网络;然后将MRI图像序列转换为特征序列,再输入到长短时记忆网络进行训练;最后结合特征序列与LSTM的隐藏状态进行分类.实验结果显示,相比3D模型,该算法有着更少的参数,对于NC与AD的分类达到了93.93%的准确...
本发明公开了一种基于LSTM和DCGAN的时序性图像预测方法,将DCGAN出色的特征捕捉能力与LSTM进行结合,可使得预测的图像数据可视化,便于直接观察;经过改进后的LSTM网络内部具有卷积特性,能直接学习到图像数据的二维空间特征;为减少其内部学习复杂度,将传统的输入图像改为输入特征;特征来源于DCGAN的提取,相对于原始图像在维度方...
本发明公开了一种基于LSTM和DCGAN的时序性图像预测方法,将DCGAN出色的特征捕捉能力与LSTM进行结合,可使得预测的图像数据可视化,便于直接观察;经过改进后的LSTM网络内部具有卷积特性,能直接学习到图像数据的二维空间特征;为减少其内部学习复杂度,将传统的输入图像改为输入特征;特征来源于DCGAN的提取,相对于原始图像在维度方...
LSTMDCGANImage recognition technology is an important field of artificial intelligence. Combined with the development of machine learning technology in recent years, it has great researches value and commercial value. As a matter of fact, a single recognition function can no longer meet people's ...
Image predictionLSTMDCGANImage recognition technology is an important field of artificial intelligence.Combined with the development of machine learning technology in recent years,it has great researches value and commercial value.As a matter of fact,a single recognition function can no longer meet people...