论文部分内容阅读
当前用于深度学习中数据扩充的方法只是在原始图像上进行操作,没有改变图像的深层信息,因此对模型效果的提升有限。借鉴CGAN(Conditional Generative Adversarial Networks)的思想,提出一种基于WGAN(Wasserstein GAN)的图像识别方法。将送入WGAN生成器的数据加上类别标签,然后训练生成器和判别器,使生成器最终可以输出指定类别样本,并使判别器的能力达到最优。同时,判别器最后一层添加Softmax分类器,可使其在输出样本真假性的同时输出类别。此方法可