基于生成对抗网络的知识蒸馏数据增强

摘要：

在图像分类和工业视觉检测过程中,缺陷样本量少导致神经网络分类器训练效率低及检测精度差,直接采用原始的离散标签又无法使网络分类器学习到不同类别间的相似度信息.针对上述问题,在区域丢弃算法的基础上,提出一种基于生成对抗网络的知识蒸馏数据增强算法.使用补丁对丢弃区域进行填补,减少区域丢弃产生的非信息噪声.

关键词：数据增强、神经网络分类器、工业视觉、生成对抗网络、知识蒸馏

所属期刊栏目：48

分类号：TP399(计算技术、计算机技术)

资助基金：湖北省科技厅重大专项2019AAA045

在线出版日期：2022-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：70-80