基于EnsNet与MCGAN级联处理的字符样本扩充方法

• 作者: 余元超 雷刚 陈小旋 谭栋 谭小娟
• 来源期刊: 微电子学与计算机
• 学科: 数学
• 关键词: EnsNet MCGAN 样本扩充 风格迁移 LeNet5-BN
• 年，卷（期）: 2022,（6）
• 所属期刊栏目: 图像处理
• 页码范围: 69-78
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19304/J.ISSN1000-7180.2021.1060

摘要

针对分类任务中样本数据不均衡，分类模型在少数类上准确率不高的问题，本文提出一种基于EnsNet和MCGAN模型的背景风格迁移和字体风格迁移的级联处理方法，EnsNet模型较好地实现复杂背景的字体擦除和字体提取，MCGAN模型实现提取出的字体进行风格迁移与数据扩充.在确保满足样本多样性的前提下，通过两组模型的级联方法，实现了少数类样本跨数量级扩充.实验结果表明，首先，选用优化后的LeNet5-BN样本扩充效果进行验证，在数据分布严重不均衡的原始真实数据上，少数类识别准确低于99.50%，在使用数据扩充方法后的合成数据集上，原少数类识别准确率达到99.98%，其次继续采用Resnet和Mobilenet模型进一步验证扩充样本前后分类识别准确率，扩充前后的分类准确率分别从99.88%和99.8%，分别提升到99.96%和99.95%，样本扩充效果通过多组模型得到了很好的验证，最后，选用LeNet5-BN模型，实现了十次交叉验证实验，平均识别准确率从99.50%提升至99.98%，进一步表明样本跨数量级扩充模型具有较好的鲁棒性。