一种基于渐进增长对抗生成网络的火星样本生成方法OA北大核心CSCDCSTPCD
A Mars Sample Generation Method Based on Progressive Growing Generative Adversarial Networks
对抗生成网络的发展为图像生成等传统领域带来了很大进步,通过使用较少样本训练对抗生成网络,可以学习到特定图像类别的特征,进而能够增广样本应用于场景测试、其他网络训练等多种任务.本工作探索了在较少量的火星训练样本的基础上,针对直接使用GAN生成样本存在特征因平均化而不明显且类别较少的模式崩塌问题,基于渐进增长对抗生成网络,提出了一种聚类-训练-生成协同的火星样本生成方法.实验结果表明,与直接利用渐进增长对抗生成网络的基线方法相比,本工作生成效果得到了提升.
代磊;王颖;李华伟;李晓维
中国科学院计算技术研究所,北京100190中国科学院大学,北京100049中国科学院计算技术研究所,北京100190中国科学院大学,北京100049
航空航天
对抗生成网络样本生成数据增强模式崩塌
《空间控制技术与应用》 2021 (6)
70-76,7
国家重点研发计划资助项目(2018AAA0102700)
评论