| 张嘉晟，庞爱民.基于DCGAN的小样本遥感图像数据增强方法[J].纺织大学学报,2025,38(6):53-58 |
| 基于DCGAN的小样本遥感图像数据增强方法 |
|
| |
| DOI： |
| 中文关键词: DCGAN 遥感图像 数据增强 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 1051 |
| 全文下载次数: 453 |
| 中文摘要: |
| 针对在小样本情况下，遥感图像目标检测易出现过拟合、模型泛化能力差等问题，提出一种基于DCGAN的遥感图像数据增强方法，改进DCGAN的生成模型与判别模型结构，以提升生成图像的质量，并将生成图像与原始图像融合，得到具有与原始图像相同标签的新图像，同时加入余弦退火学习率调度器，加速模型拟合。在NW⁃PU VHR-10数据集上，Faster R-CNN模型作为使用的目标检测算法，将生成的融合图像与传统数据增强处理的图像进行对比实验。结果表明，经过改进的DCGAN数据增强方法后模型的平均精确率（mAP）值高达93.22%，相对原始数据与传统数据增强方法，mAP值提高了4.24%和3.72%，证明了所提出方法的有效性。 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
