一种基于生成式对抗网络的图像数据扩充方法

• 作者: 王海文 邱晓晖
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 深度卷积 生成式网络 图像增强 数据增强
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 51-56
• 页数: 6页
• 分类号: TN911.23
• 字数: 5443字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.03.010

摘要

针对卷积神经网络(CNN)在数据集(训练集)较小时,易发生过度拟合的现象,提出并实现了一种引入Selu激活函数并结合带参数归一化的Dropout方法的深度卷积生成式对抗网络用于图像增强,生成图像实现数据集扩充,从而解决深度学习图像分类研究中因图像数据不足造成的模型表达能力差、训练时易过度拟合的问题.通过裁剪、旋转、插值、畸变变换等扩充图像集的传统图像增强方法往往只能扩充样式单一甚至信噪比较低的图像,与传统图像增强方法扩充图像集不同,使用生成式对抗网络生成的图像明显区别于原始图像,不仅可以得到数量更多,内容更丰富的高质量图像,数据集扩充效率也得以提升.仿真实验表明,该生成式对抗网络得到了质量相对较高的图像,有效地扩充了数据集.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱晓晖	南京邮电大学通信与信息工程学院	49	363	10.0	17.0
2	王海文	南京邮电大学通信与信息工程学院	1	0	0.0	0.0