基于半监督生成对抗网络的图像分类
| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 变量注释表 | 第14-15页 |
| 1 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-21页 |
| 1.3 本文的研究内容 | 第21-22页 |
| 1.4 本文的章节安排 | 第22-23页 |
| 2 生成对抗网络 | 第23-37页 |
| 2.1 GAN的基本原理 | 第23-27页 |
| 2.2 GAN网络结构 | 第27-30页 |
| 2.3 GAN的衍生模型 | 第30-34页 |
| 2.4 GAN的挑战和机遇 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 3 基于分段损失加权生成对抗网络的图像分类 | 第37-51页 |
| 3.1 研究动机 | 第37-38页 |
| 3.2 基于分段损失加权生成对抗网络的图像分类 | 第38-42页 |
| 3.3 实验结果与分析 | 第42-49页 |
| 3.4 本章小结 | 第49-51页 |
| 4 基于特征重标定生成对抗网络的图像分类 | 第51-65页 |
| 4.1 研究动机 | 第51-53页 |
| 4.2 基于特征重标定生成对抗网络的图像分类 | 第53-57页 |
| 4.3 实验结果与分析 | 第57-64页 |
| 4.4 本章小结 | 第64-65页 |
| 5 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65页 |
| 5.2 展望 | 第65-67页 |
| 参考文献 | 第67-74页 |
| 作者简历 | 第74-76页 |
| 学位论文数据集 | 第76页 |
