基于生成对抗网络的图像识别

来源：计算机技术与发展杂志2021年第06期北京时间：

作者：程换新;张志浩;刘文翰;郭占广

摘要：随着深度学习的迅速发展,图像识别技术也在日益提高。 但在日常的人脸识别、物体识别的应用中常有识别内容错误、识别准确率过低的问题。 对此,提出了一种基于生成对抗网络的图像问答模型( GAN-QA) 。 首先生成对抗网络显示出了强大的图像识别能力,通过生成对抗网络的生成器、判别器原理可以更好地提取图像特征,显著提高了图像识别的准确率。 同时根据视觉识别的自然语言处理( NLP) 也取得了极大的提升。 该模型通过长短期记忆网络(LSTM) 将两者结合起来,通过生成对抗网络识别图像,而后问题和视觉信息被输入到长短期记忆网络中,通过模型的训练可以对图像上的问题给出答案。 在数据集 DAQUQR 上的验证结果表明,所提出的基于生成对抗网络的图像问答模型能够有效地提高对带问题图像的识别问答能力,由此明显提升了图像问答的准确度。

关键词：自然语言处理;生成对抗网络;深度学习;图像识别;准确性