文件名称：MO-DAGAN:MO-DAGAN
文件大小：25KB
文件格式：ZIP
更新时间：2024-05-03 04:18:42
Python
MO-DAGAN：使用数据增强型GAN进行少数族裔过采样 摘要：类不平衡是降低分类模型性能的常见问题。 一种典型的解决方案是对少数群体进行过度采样。 但是，传统的过采样技术（例如SMOTE或ADASYN）不适用于深度学习方法，因为它们在特征空间中起作用。 近来，生成对抗网络（GAN）已成功用于生成人工训练数据以重新平衡数据集。 但是，这些方法需要大量数据，因此在少数族裔的有限数据上训练GAN仍然是一个挑战。 在这项工作中，我们计划利用数据有效GAN培训的最新进展来提高过采样方法的最新水平。 数据集红外 MNIST 10 50 100 时尚MNIST 10 50 100 CIFAR10 10 50 100 SVHN 10 50 100 效率网 -- -- -- -- -- -- -- -- -- -- -- -- EfficentNet +过
【文件预览】：
MO-DAGAN-main
----models()
--------classification()
--------gans()
--------__init__.py(39B)
--------model_factory.py(688B)
----trainers()
--------classification_trainer.py(5KB)
--------trainer_factory.py(880B)
--------__init__.py(43B)
--------trainer.py(2KB)
--------gan_trainer.py(6KB)
----main.py(2KB)
----job.sh(277B)
----.github()
--------workflows()
----tests()
--------__init__.py(0B)
--------test_dataset_factory.py(5KB)
----LICENSE(1KB)
----run_all.py(1KB)
----configs()
--------gan.yaml(358B)
--------classification.yaml(454B)
----requirements.txt(1KB)
----.gitignore(2KB)
----wandb_sync_process.py(426B)
----README.md(2KB)
----utils()
--------metrics.py(1KB)
--------misc.py(148B)
--------__init__.py(140B)
--------logging.py(844B)
--------config.py(2KB)
----datasets()
--------imbalanced_dataset.py(2KB)
--------dataset_factory.py(4KB)
--------imbalanced_dataset_sampler.py(2KB)
--------__init__.py(138B)
--------balanced_dataset.py(1KB)
--------synthetic_dataset.py(1KB)