论文部分内容阅读
在图像分类任务和工业视觉检测任务中，因为缺陷样本量少，常导致神经网络分类器训练效率低、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。针对这些问题，在区域丢弃策略的基础上提出了一种基于生成对抗网络的知识蒸馏数据增强算法。为了减少区域丢弃产生的非信息噪声，该算法使用补丁对丢弃区域进行填补。补丁生成网络保留生成对抗网络中的编码器-解码器结构，利用编码器卷积层提取特征，解码器对特征图上采样生成补丁。在样本标签的生成方式上采用知识蒸馏算法中的教师-学生训练模式，首先按照交叉