文件名称：GANs_for_data_augmentation
文件大小：66.84MB
文件格式：ZIP
更新时间：2024-05-22 18:00:38
Python
用于数据扩充的GAN 数据是深度学习中非常重要的因素。 大型，标记且平衡的数据集的存在通常对于模型在特定任务上的最佳执行至关重要。 但是，在现实世界中很难找到这样的数据，创建这些数据集是一项繁琐的任务。 该项目的目的是克服数据集困难的一个方面：不同类别之间的数据不平衡。 更详细地，已经在现有的不平衡数据集上使用了生成对抗网络（GAN），以创建表示较少的类别的综合数据。 据我所知，GAN从未用于此目的。 在数据上对鉴别器进行预训练之后，使用深度卷积GAN产生了令人鼓舞的结果，该结果超过了基线方法，并且几乎与原始数据集匹配。 此存储库中已详细说明了所有实验的代码。 可以在以下位置找到该报告： :
【文件预览】：
GANs_for_data_augmentation-master
----TL-DCGAN on FMNIST (one class reduced)()
--------dcgan_loss_epoch_100.png(79KB)
--------images()
--------DCGAN.py(8KB)
--------cnn_eval_augmented.py(3KB)
--------pretrain.py(2KB)
--------pretrain_discriminator_weights.h5(6.45MB)
--------images_epoch()
----CIFAR10 (one class reduced)()
--------images()
--------cnn_eval_original.py(2KB)
--------dcgan_loss_epoch_45.png(62KB)
--------DCGAN.py(8KB)
--------cnn_eval_augmented.py(3KB)
--------cnn_eval_unbalanced.py(3KB)
--------images_epoch()
----README.md(1KB)
----cnn_eval_original_fmnist.py(2KB)
----FMNIST (One class reduced)()
--------dcgan_loss_epoch_200.png(89KB)
--------models()
--------DCGAN.py(7KB)
--------cnn_eval_augmented.py(3KB)
--------cnn_eval_unbalanced.py(3KB)
--------images_epoch()