基于条件梯度Wasserstein生成对抗网络的图像识别
【摘要】 生成式对抗网络度卷积对抗网络功能强大，GAN和带有梯度惩罚的但是具有收敛速度慢训练不稳定、生成对抗网络Wasserstein用带有梯度惩罚的Wasserstein另外为了增强判别器提取特征的能力，WGAN-GP、的优点生成样本多样性不足等缺点该文结合条件深条件梯度距离训练对抗网络保证了训练稳定性且收敛速度更该文设计了全局判别器和局部判别器一起打分最提出了一个混合模型;，-，CDCGAN生成对抗网络同时加入条件Wasserstein快后提取判别器进行图像识别c，来指导数据生成;CDCWGAN-GP，，
