论文部分内容阅读
复杂实战背景下的空中机动军事目标视频图像数据较难获得,导致缺少训练数据,从而限制了基于深度学习的目标检测和识别算法的性能。为了解决这一问题,提出一种基于深度卷积生成对抗网络(deep convolutional generative adversarial networks,DCGAN)改进算法,采用随机向量作为输入,生成空中机动目标数据。另外,判别器使用改进的Wasserstein距离衡量生成样本和真实样本的数据分布,优化损失函数,提高DCGAN模型训练过程的稳定性和生成图像的质量。实验结果表明,