典型文献
基于生成对抗网络的知识蒸馏数据增强
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
鲁统伟;徐子昕;闵锋
作者机构：
武汉工程大学 计算机科学与工程学院,武汉 430205;智能机器人湖北省重点实验室,武汉 430205
文献出处：
引用格式：
[1]鲁统伟;徐子昕;闵锋-.基于生成对抗网络的知识蒸馏数据增强)[J].计算机工程,2022(04):70-80
A类：
B类：
生成对抗网络,知识蒸馏,数据增强,图像分类,工业视觉,视觉检测,检测过程,样本量,神经网络分类器,训练效率,检测精度,丢弃,增强算法,补丁
AB值：
0.285361
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
