技术特征：
技术总结
本发明公开了一种多判别器误差反传的对抗网络方法，属于深度学习神经网络领域，该模型的建立包括以下步骤：S1、构造生成对抗网络GAN模型；S2、在现有GAN模型的基础上构造多个判别器；S3、准备好数据集对改进之后的多判别器网络进行训练；S4、在每次训练的过程中，记录所有判别器的损失函数；S5、计算所有判别器损失函数的平均值，返回至生成器进行后续的网络训练。本方法能够解决在网络训练的过程中，由于判别器单一而导致的网络健壮性差的问题，并构造多个判别器的生成对抗网络，能够从更加客观的角度去评判生成器生成图像的“真假”，从而使整个生成对抗网络的训练效果更好。
技术研发人员：周智恒;李立军
受保护的技术使用者：华南理工大学
技术研发日：2017.08.14
技术公布日：2018.01.09