基于生成对抗网络的数据增强方法

• 作者: 吴刚 张晓峰
• 来源期刊: 计算机系统应用
• 关键词: 生成对抗网络 数据增强 图片分类 卷积神经网络 深度学习
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 201-206
• 页数: 6页
• 字数: 5123字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007107

摘要

深度学习在分类任务上取得了革命性的突破,但是需要大量的有标签数据作为支撑.当数据匮乏的时候,神经网络极易出现过拟合的问题,这种现象在小规模数据集上尤为明显.针对这一难题,本文提出了一种基于生成对抗网络的数据增强方法,并将其应用于解决由于数据匮乏,神经网络难以训练的问题.实验结果表明,合成的数据和真实的数据相比既具有语义上的相似性,同时又能呈现出文本上的多样性;加入合成的数据后,神经网络能够更加稳定地训练,而且分类的准确度也有了进一步的提高.将提出的算法和其他一些数据增强的技术对比,我们的方法结果最好,从而证明了这种技术的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴刚	中国科学技术大学信息科学技术学院	217	3774	29.0	54.0
2	张晓峰	中国科学技术大学信息科学技术学院	48	640	15.0	23.0