基于DASinGAN网络的数据增强算法

摘要

针对生成对抗网络生成样本的真实性和多样性有待增强的问题，本文基于SinGAN模型改进，提出一种基于DASinGAN网络的数据增强算法：(1)在SinGAN网络的生成器中引入ECA注意力机制，使其更好地处理复杂语义图像并增强生成器的特征提取能力，增强生成图片的真实性；(2)在判别器中加入OLS正则化以控制生成器和判别器之间的平衡，减轻网络的过拟合现象.同时通过分类网络对扩充后的数据集进行小样本图像分类任务.本文提出的数据增强算法降低了生成图像的FID指标，在miniImagenet小样本数据集上进行了分类性能测试并与当前常用算法进行比较，在5ways-1shot和5ways-5shots分类准确率相比其他算法提高1%～12%.实验证明了通过本文的数据增强算法可以提高生成样本的真实性和多样性.

关键词

生成对抗网络 / 数据增强 / 小样本学习 / 图像分类 / 注意力机制 / 正则化