论文部分内容阅读
为了在数据集过小时更好的训练卷积神经网络,提出一种方法通过训练生成对抗网络(GAN)生成新的样本进行图像数据增强。扩充后的数据集应用于训练图像分类模型,得到了不错的效果。针对Herlev宫颈细胞数据集的二分类问题,首先使用原始训练集训练GAN,生成了大量高质量的高分辨率细胞图像,将每类训练集扩充到24 000例。然后使用扩充后的训练集进行分类网络训练,在Resnet迁移学习的验证集准确率高达97%,高于仿射变换扩充的数据集的训练结果93%,可见研究结果可以有效地实现图像的数据增强。研究结果也可用于其