文件名称：vae_class_imbalance:您可以在此处找到与此存储库相关的博客
文件大小：8KB
文件格式：ZIP
更新时间：2024-05-31 05:24:20
deep-learning tensorflow variational-autoencoder Python
目标 该存储库包含我使用变分自动编码器（VAE）解决类不平衡问题的工作。 问题 我们想要构建一个分类器，以区分数字0的图像和数字6的图像。我们有50000张0的图像和6张100的图像。 解决方案 在100张6幅图像上训练VAE，然后从该训练后的VAE生成6张图像。 使用这些额外的图像来训练分类器。 结果 与基于超采样的方法相比，基于VAE的数据增强方法可解决类别不平衡问题，准确性提高了50％。 原因 VAE能够生成更通用的图像，例如数字6的不同旋转以及不同的厚度。 因此，分类网络能够使用这些图像对测试数据集进行概括。 用 要生成其他图像6，请运行以下代码 cd vae python main.py 这将生成一个名为vae_samples.npy的数据文件，其中包含数字6的其他图像。 要在没有基于VAE的数据扩充的情况下训练模型，请运行以下代码 python mnist_train.p
【文件预览】：
vae_class_imbalance-master
----mnist_train.py(5KB)
----README.md(1KB)
----vae()
--------ops.py(4KB)
--------utils.py(313B)
--------main.py(5KB)
----class-imbalance-experiments.ipynb(5KB)