一种基于生成对抗网络的数据增强方法.pdf
努力****承悦
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于生成对抗网络的数据增强方法.pdf
本发明公开了一种基于生成对抗网络的数据增强方法。通过生成对抗网络的特征提取,将车辆图像的深层特征渲染到一个既定的三维立体结构上,完成一幅二维图像到三维立体结构的重构,再进行三维单眼投影,获得其在所需视角的二维图像,完成车辆不同视角图像的生成。本发明在前沿作者的noise‑to‑image的基础上进行了修正尝试,使其完成了从noise‑to‑image到image‑to‑image的转换,在此之后,可以做到定向修改一种特定属性(车辆视角等),生成新视角的图像。
一种基于生成对抗网络的矿物图像数据增强方法.pdf
本发明公开了一种基于生成对抗网络的矿物图像数据增强方法,通过矿物单粒图像的特征信息提取与表示实现无重复新图像数据。利用SRGAN矿物图像数据增强模型,可快速、高效地批量生成无重复矿物单粒图像新数据;相较于传统单样本图像数据增强方法,本发明能够有效扩充现有矿物图像数据中的图像特征丰富度。相较于传统多样本图像数据增强方法,本方明无需额外的复杂前处理流程,简化了矿物图像数据增强的步骤。通过拓展传统GAN模型的损失函数,提高了生成模型在矿物图像特征中的提取能力,能够充分提取矿物图像中的纹理、颜色、轮廓、反光、边缘
基于掩膜生成对抗网络的电饭煲内胆图像数据增强方法.pdf
本发明涉及数字图像处理与识别技术领域,为基于掩膜生成对抗网络的电饭煲内胆图像数据增强方法,包括构建电饭煲内胆图像的真实样本数据集,根据真实样本数据集的电饭煲内胆图片生成掩膜二值图数据集;构建一个生成对抗网络,训练生成对抗网络;将混合掩膜数据集的掩膜二值图数据输入训练好的生成对抗网络中,生成伪样本数据集;通过真实图像训练YOLOv5网络作为生成质量判别器,对伪样本进行筛选得到筛选后的伪样本数据集;将筛选后的伪样本数据集与真实样本数据集混合,得到增强后的电饭煲内胆图像数据集。本发明通过生成数据增强后的电饭煲内
一种基于生成对抗网络的面部图像增强方法.pdf
本发明公开了一种基于生成对抗网络的面部图像增强方法.本发明包括以下步骤:1、使用3D稠密面部对齐方法对多种姿态的面部图像进行预处理;2、设计基于生成对抗网络的面部增强网络,两步生成对抗网络。3、针对任务需要设计Step‑I和Step‑II对应的目标函数4、使用MS‑1‑celeb预训练识别模型,并使用扩增数据预训练TS‑GAN模型;5、使用Multi‑PIE作为训练集,利用反向传播算法训练(4)中完成预训练的TS‑GAN模型参数,直至收敛。使用最终训练的TS‑GAN模型可以得到与输入图像对应的正脸图像,同
基于生成式对抗网络的胎心率信号数据增强方法和装置.pdf
本发明公开基于生成式对抗网络的胎心率信号数据增强方法和装置。采用微步幅卷积和步长卷积设计生成器和鉴别器,构建基于深度卷积神经网络结构的GAN模型;采用基于带有梯度惩罚的Wasserstein距离来度量实采FHR样本和仿真数据之间的距离,优化模型目标函数;建立基于类别约束的辅助分类器,并利用其对GAN模型的模型参数进行反向更新操作;将采集到的不完整FHR信号、满足标准正态分布的噪声数据、以及真实FHR样本的类别标签作为模型的输入,输入到优化后的GAN模型中,生成仿真FHR数据,以实现胎心率信号的数据增强。