論文元數(shù)據(jù)搜索，找到相關(guān)信息共 1 條：
2024, 46(11): 4208-4218.
doi: 10.11999/JEIT240330
刊出日期：2024-11-10
許多適用于低維數(shù)據(jù)的傳統(tǒng)不平衡學(xué)習(xí)算法在圖像數(shù)據(jù)上的效果并不理想?；谏蓪咕W(wǎng)絡(luò)(GAN)的過采樣算法雖然可以生成高質(zhì)量圖像，但在類不平衡情況下容易產(chǎn)生模式崩潰問題?；谧跃幋a器(AE)的過采樣算法容易訓(xùn)練，但生成的圖像質(zhì)量較低。為進(jìn)一步提高過采樣算法在不平衡圖像中生成樣本的質(zhì)量和訓(xùn)練的穩(wěn)定性，該文基于生成對抗網(wǎng)絡(luò)和自編碼器的思想提出一種融合自編碼器和生成對抗網(wǎng)絡(luò)的過采樣算法(BAEGAN)。首先在自編碼器中引入一個條件嵌入層，使用預(yù)訓(xùn)練的條件自編碼器初始化GAN以穩(wěn)定模型訓(xùn)練；然后改進(jìn)判別器的輸出結(jié)構(gòu)，引入一種融合焦點(diǎn)損失和梯度懲罰的損失函數(shù)以減輕類不平衡的影響；最后從潛在向量的分布映射中使用合成少數(shù)類過采樣技術(shù)(SMOTE)來生成高質(zhì)量的圖像。在4個圖像數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明該算法在生成圖像質(zhì)量和過采樣后的分類性能上優(yōu)于具有輔助分類器的條件生成對抗網(wǎng)絡(luò)(ACGAN)、平衡生成對抗網(wǎng)絡(luò) (BAGAN)等過采樣算法，能有效解決圖像數(shù)據(jù)中的類不平衡問題。
