基于生成对抗网络的小样本图像数据增强技术
Few-shot image data augmentation based on generative adversarial networks作者机构：中国科学技术大学计算机科学与技术学院安徽合肥230026
出 版 物：《网络安全与数据治理》 (CYBER SECURITY AND DATA GOVERNANCE)
年 卷 期：2023年第42卷第6期
页 面：79-84,102页
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
摘 要：基于生成对抗网络(GANs)的图像数据增强方法在近年来展现出了巨大的潜力。然而生成高分辨率、高保真图像通常需要大量训练数据,这和缺乏训练数据的现状背道而驰。为解决这一问题,提出了一种能够在小样本、高分辨率图像数据集上稳定训练的条件生成对抗网络模型,并且将该模型用于数据增强。实验结果表明,在基准数据集上,该模型与当前最新模型相比能够生成更加逼真的图像并取得了最低的FID值;在图像分类任务中使用其进行数据增强能够有效缓解分类器的过拟合问题。
维普期刊数据库
同方期刊数据库