摘要：为了提高服装设计效率,适应时尚产品迭代加速的趋势,提出一种基于深度卷积对抗网络(dcgan)的服装效果图生成方法。搭建适用于服装效果图生成任务的dcgan模型,制作服装秀场数据集进行模型训练并生成服装效果图,设计师主观筛选具有设计参考价值的生成服装效果图,计算有效生成图像比例,评估该模型性能和生成图像质量,通过人机交互的方式优化部分生成图像并形成最终设计方案。结果表明:优化后的dcgan模型可以快速提取流行趋势生成创意设计方案,辅助设计师高效完成设计效果表达,为服装设计的智能化提供有效途径和方法参考。

摘要：目前智能辅助设计的方法被广泛应用于设计领域,它不仅可以提高设计效率,缩短产品生命周期,还能克服设计者主观认识的局限性。通过引入深度学习的方法来辅助板式家具产品设计,提出了一种基于dcgan(深度卷积生成对抗)模型的新型纹理生成方法。将饰面纸纹理导入模型系统,可以自动从大规模的纹理数据集中学习纹理特征,生成多样性的纹理图案。利用dcgan技术迭代出的饰面纹理为板式家具产品创新设计方案拓展思路和可能性。

摘要：在不平衡数据的干扰下,物联网的节点负担增大,容易受到轻量级入侵,因此,提出面向不平衡样本的物联网轻量级入侵风险识别方法。基于一维卷积神经网络设计轻量级入侵风险识别模型,为弥补模型训练不够稳定的缺陷,应用dcgan设计样本数据平衡算法实施样本数据增强处理。将增强后的样本数据作为模型训练中的基础数据,并对构建的轻量级入侵风险识别模型实施训练,实现轻量级的物联网入侵风险识别。测试结果表明,相比剪枝前,剪枝后模型有效参数量的变化幅度达到10倍,在训练中模型很快达到收敛,同时达到了接近1的训练精度,并且本方法的入侵风险识别精度得到了明显的提升,始终稳定在97%左右。

摘要：基于用户参与度及体验感的服装交互式设计逐渐成为服装数字化的研究热点。为了提升客户对服装款式的满意度,提出了一种基于dcgan算法的小黑裙服装款式图生成方法。首先训练dcgan算法生成清晰稳定的服装款式图;其次利用用户主观筛选得到的服装款式图更新训练数据,建立个性化服装款式库;最后通过生成的款式风格以及用户喜爱的款式图数量,评估该方法是否可以达到提高用户满意度的目的。结果表明,优化后的dcgan服装款式生成系统可以生成清晰稳定且更加符合用户需求的服装款式图,为以消费者决策为导向的交互式智能服装设计平台的开发提供思路。

摘要：传统烟叶霉变检测方法利用机器学习、神经网络等作为电子鼻烟叶霉变识别的方法,需要大量数据集来训练模型,为了缩短开发周期,提升训练模型的泛化能力,提出一种基于深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,dcgan)和一维卷积神经网络(1D Convo⁃lutional Neural Network,1DCNN)的小样本烟叶霉变识别方法。该方法对较少的样本数据集进行增强后,再进行一维卷积神经网络训练进行分类识别。利用设计的烟叶霉变便携式电子鼻作为实验平台,实验结果表明,dcgan-1DCNN模型与传统识别方法BP(Back Propagation)、SVM(Supported Vector Machine)等相比,对小样本烟叶霉变的预测更为准确。

摘要：图像数据开放共享是促进大数据在工业领域应用发展的关键,其打破业务壁垒和“数据孤岛”现象,实现信息的跨部门、跨层级共享。但在共享过程中存在图像数据隐私信息泄露的风险。因此针对无法实现数据直接共享的图像数据,将生成对抗网络的变体深度卷积生成对抗网络(deep convolutional generative adversarial networks,dcgan)与差分隐私进行结合,设计了带有差分隐私的深度卷积生成对抗网络(deep convolutional generative adversarial networks with dif ferential privacy,DP-dcgan)模型。所提出的模型通过给dcgan中从判别器传递回生成器的梯度上加噪以减小真实数据对生成器的贡献,实现在隐私保护的基础上生成高质量的数据,并将生成数据进行共享。

摘要：绘图起源于新石器时期,古人将天马行空的幻想记录在岩石和彩陶上,直至今日绘图仍是我们生活中不可缺少的部分。大到工业制图,小到街头广告,现如今人们生活中大大小小的事情都需要接触到绘图。于是,在互联网技术的发展和基于大数据的人工智能发展下,我们对利用深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks, dcgan)实现相似图片自动绘制进行了应用设计与实现研究。然而深度卷积生成对抗网络需要大量的计算,对硬件的要求较高,为了降低用户的使用门槛,我们对应用进行了轻量化设计模式实现,即把计算任务交给服务器端来完成,用户端只作为需求上传与成品下载的媒介。具体来说,首先我们借助服务器端–用户端的轻量化设计理念完成了“图自绘”应用的总体框架,然后对应用中所包含的每个功能模块完成实现研究,最后根据相应的设计开发流程使用Android Studio完成应用的设计与实现。借助服务器端的快速计算与用户端的需求上传与成品下载,用户可以在弹指间获取到自己心仪的图片,为有绘图需求但无绘图技术的人群开辟了一种获取图片的新途径。

摘要：遥感数据集规模是深度学习目标检测算法性能的关键,如何利用少量数据生成大量标注图像成为当前的研究热点。针对这一问题,结合二次掩模技术,提出一种基于改进dcgan算法的遥感数据集增广方法,自定义目标个数与位置,实现图像与标签的扩增,解决了基于GAN图像增广算法中无对应标签生成的问题。同时,针对dcgan算法生成图像质量不高的问题,提出多尺度特征融合技术,优化dcgan算法,提升图像质量。实验表明,在MNIST和PlANE两种数据集上,改进dcgan算法生成的图像质量与图像多样性均优于dcgan算法;在利用Tiny-YoloV2算法设计的验证实验中发现,所提算法增广的数据集,检测AP值高达85.45%,相对未增广算法与传统增广方法,AP值分别提高了16.05%和2.88%,验证了算法的有效性。

摘要：研究基于深度卷积生成-对抗网络(Deep Convolution Generation-Antagonism Network,dcgan)实现水声数据仿真的方法,通过设计适配的dcgan模型,迭代训练出能够拟合随机高斯噪声与水声小波图像之间映射关系的网络模型参数,实现水声数据的仿真。由提前训练好的判别网络验证仿真数据的可靠性,验证结果证明,提出的方法可作为一种智能化水声数据模拟器的实现方案。

摘要：由于飞机部件腐蚀是一个漫长的过程,现有采集的图片数据少,无法满足深度学习的图像缺陷检测研究,需要对腐蚀图像数据进行增广。通过采用TensorFlow设计实现dcgan的判别器模型和生成器模型,在部分腐蚀图像数据集下验证了dcgan模型的图像数据增广能力。实验结果表明dcgan在图像数据增广方面,通过合理的训练可以达到以假乱真的效果。