改进生成式对抗网络的图像数据集增强算法

• 作者: 郭伟 庞晨
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 图像数据增强 生成对抗网络 深度卷积 相对判别器 残差网络
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 应用基础与前沿技术|Application Fundamental Research and Advanced Technology
• 页码范围: 281-287
• 页数: 7页
• 分类号: TP391|TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2022.03.001

摘要

针对现有深度学习中图像数据集缺乏的问题,提出了一种基于深度卷积生成式对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)的图像数据集增强算法.该算法对DCGAN网络进行改进,首先在不过多增加计算量的前提下改进现有的激活函数,增强生成特征的丰富性与多样性;然后通过引入相对判别器有效缓解模式坍塌现象,从而提升模型稳定性;最后在现有生成器结构中引入残差块,获得相对高分辨率的生成图像.实验结果表明,将所提方法应用在MNIST、SAR和医学血细胞数据集上,图像数据增强效果与未改进的DCGAN网络相比显著提升.