基于多域數(shù)據(jù)擴(kuò)充的小樣本識(shí)別方法

打開文本圖片集

摘  要：深度學(xué)習(xí)在圖像識(shí)別任務(wù)中的表現(xiàn)依賴于數(shù)據(jù)集的大小，當(dāng)樣本稀缺時(shí)，模型難以獲得優(yōu)異的成績。針對(duì)如何在少量數(shù)據(jù)的條件下訓(xùn)練出表現(xiàn)優(yōu)越的識(shí)別模型這一問題，受生成對(duì)抗網(wǎng)絡(luò)的啟發(fā)，文章提出了一種基于多域數(shù)據(jù)擴(kuò)充的小樣本識(shí)別模型。該模型通過已有數(shù)據(jù)集訓(xùn)練生成模型，生成用于擴(kuò)充數(shù)據(jù)集的偽樣本。（剩余11646字）