基于GAN的遥感图像协同数据增强方法.pdf
《基于GAN的遥感图像协同数据增强方法.pdf》由会员分享,可在线阅读,更多相关《基于GAN的遥感图像协同数据增强方法.pdf(7页珍藏版)》请在咨信网上搜索。
1、第 卷 第期 年月遥 感 信 息 ,收稿日期:修订日期:基金项目:国家自然科学基金项目();内蒙古科技计划项目();内蒙古自治区高等学校青年科技英才支持计划项目();内蒙古自然基金项目();内蒙古自治区直属高校基本科研业务费项目()。作者简介:邵利军(),男,硕士研究生,主要研究方向为遥感图像数据增强。犈 犿 犪 犻 犾:通信作者:任彦(),女,教授,主要研究方向为遥感图像处理。犈 犿 犪 犻 犾:基于犌 犃 犖的遥感图像协同数据增强方法邵利军,任彦,高晓文,戚忠涛(内蒙古科技大学 信息工程学院,内蒙古 包头 )摘要:针对基于深度学习的分类模型在少样本训练时所遭受的梯度消失、过拟合问题,结合
2、和 特性,提出一种抑制过拟合、提升图像生成质量的 协同数据增强算法。通过改进 生成新的图像,使用改进 对其进行超分辨率重构,二者协同得到新的超分辨率图像。首先,提出一种软标签函数,代替 原始固定标签;其次,引入空洞卷积残差块作为 判别器主结构,同时加入 注意力机制实现权重的再分配;最后,在 判别器中引入自适应平均池化,降低网络参数量。实验结果表明,使用标准数据集 和 ,经 分类网络进行测验,数据增强方法相较于常规增强和 增强方法有明显提高。在 数据集上,准确率分别提升 、。在 数据集上,准确率分别提升 、。关键词:深度学习;生成对抗网络;数据增强;图像分类犱 狅 犻:中图分类号:文献标志码:文
3、章编号:()犆 狅 犾 犾 犪 犫 狅 狉 犪 狋 犻 狏 犲犇 犪 狋 犪犈 狀 犺 犪 狀 犮 犲 犿 犲 狀 狋犕 犲 狋 犺 狅 犱狅 犳犚 犲 犿 狅 狋 犲 犛 犲 狀 狊 犻 狀 犵 犐 犿 犪 犵 犲 狊犅 犪 狊 犲 犱狅 狀犌 犃 犖 ,(犛 犮 犺 狅 狅 犾 狅 犳犐 狀 犳 狅 狉 犿 犪 狋 犻 狅 狀犈 狀 犵 犻 狀 犲 犲 狉 犻 狀 犵,犐 狀 狀 犲 狉犕 狅 狀 犵 狅 犾 犻 犪犝 狀 犻 狏 犲 狉 狊 犻 狋 狔狅 犳犛 犮 犻 犲 狀 犮 犲犪 狀 犱犜 犲 犮 犺 狀 狅 犾 狅 犵 狔,犅 犪 狅 狋 狅 狌,犐 狀 狀 犲 狉犕 狅 狀 犵
4、 狅 犾 犻 犪 ,犆 犺 犻 狀 犪)犃 犫 狊 狋 狉 犪 犮 狋:,:,犓 犲 狔 狑 狅 狉 犱 狊:;引言遥感图像在灾害监测、地质调查等领域得到了广泛应用。目前从卫星和无人机获得的图像无法满足应用需求,需要对图像进行进一步筛选与处理,此外,技术的发展也增长了对高分辨率图像的需求。在许多实际应用场景中,因所监测目标较小、图像模糊导致某些样本不能高效利用,且因某些不常书书书引用格式:邵利军,任彦,高晓文,等基于的遥感图像协同数据增强方法遥感信息,():见目标导致样本缺乏,以上问题都会使遥感图像处理效果降低。深度神经网络在遥感图像数据处理任务中的优越性得益于海量的数据。在遥感图像数据处理中
5、,由于样本数不足或质量不佳导致神经网络的性能严重下降的情况称为少样本问题。为改善少样本条件下的模型性能,需要对少样本数据进行处理。目前已有诸多基于深度学习的少样本处理算法,如 等提出基于匹配网络的度量学习;等提出一种基于元学习的双层优化网络来解决少样本增量学习问题;等提出的一种新的合成样本标签的数据增强方法。当样本数过于少时,度量学习往往会发生过拟合现象,具有一定局限性。元学习复杂的训练过程和过于简单的网络结构使其无法达到更高的精度。数据增强技术既可监督学习也可无监督学习,已被证明有利于深层体系结构中深度学习的培训,得到广泛应用。数据增强方法有很多,常规数据增强方法主要在现有的数据基础上进行变
6、换,如裁剪、缩放等,数据质量提升有限。随着生成对抗网络(,)的提出和不断发展,这种由数据合成数据的方法逐渐应用于数据增强的研究。算法是利用一组噪声来生成图像,其生成的图像接近原始数据集图像,这就使扩充后的数据具备新的“血液”,增加原数据的多样性。为深度网络提供了一种对抗训练的方式,有助于解决一些普通训练方式不容易解决的问题。等 提出的深度卷积生成对抗网络 ()将 与 相结合并做了一系列改进,在图像生成质量上有一定提升。于希明等 提出样本空间与特征空间联合数据增强方法,以实现船舶目标补充;王军军等 采用 网络作为生成器,提出一种基于 的遥感图像去云算法;等 提出超分辨率生成对抗网络 ()对单图像
7、进行超分辨重构,目前仍在大范围使用;等 提出基于注意力机制的生成对抗网络红外图像超分辨率重建算法,利用递归注意力模块提取高频信息;景海钊等 使用密集残差网络构建 判别器,实现了空间目标图像清晰化重建。上述文献表明了 与 在图像数据增强问题中应用的广泛性与有效性。但原始 在训练中仍展现出不稳定性与生成质量欠佳问题,虽然可以重构出较高质量图像,但其基于原有数据样本进行重构,因而会使数据增强多样性不足。基于以上情况,本文提出了 协同数据增强算法的设计框架,该方法结合了 和 的优点,并对其不足做了有效改进。最终,通过两模型协同作用使模型生成图像质量提升、分类精度提高,达到较好数据增强效果。理论基础 生
8、成对抗网络 是一个动态的“博弈过程”,其基本原理结构如图所示,包含生成模型犌()和判别模型犇()。图犌 犃 犖基本原理结构 是继之后比较好的改进算法。基本结构与 相似,只是在生成器和判别器中与 相结合。生成模型的任务是生成看起来自然真实和原始数据相似的实例。判别模型的任务是判断输入是自然真实的还是生成器伪造的。犛 犚 犌 犃 犖原理 基 本 原 理 结 构 如 图所 示,加 入 了 网络。将低分辨率图像作为生成网络的输入,输出重构图像,判别器接收真实样本与重构样本,并判断输入样本的真实性,当判别器无法区分输入样本的真假,就完成了重构任务。图犛 犚 犌 犃 犖基本原理结构犇 犛 犌 犃 犖协同数
9、据增强算法 算法整体框架大量研究显示,能够很好地用于遥感图像数据增强。针对遥感数据的少样本问题,本文提出一种包含 和 优点的 协同数据增强算法(以下简称 )。遥 感 信 息 年期算法 框 架 如 图所 示,其 中,犛为 步 长()、为转置卷积、为空洞卷积、为低分辨率图像、为超分辨率图像、为高分辨率图像。包括 与 两部分。负责生成新样本,负责将 生成的新样本进行超分辨率重构,二者协同获得新的超分辨率图像样本,完成数据增强任务。算法将噪声经过()中 生成新样本,随后和()相互对抗以训练 模型,()生成的 的 作为 生成器的输入。经()进行两次上采样输出;将 和 送入改进()中进行真假判别,直到对抗
10、训练完成。在图中(),使用由空洞卷积组成的残差模块作为主架构,引入 和自适应池化进行特征提取。其中扩张率()为。用训练好的 模型生成的 去扩充原始数据,达到数据增强效果。图犇 犛 犌 犃 犖算法框架 抑制梯度消失)问题分析。相较于有较好的图像生成质量,但 模型仍不稳定。其使用交叉熵函数作为损失计算,且使用的固定标签值(真为、假为)容易使模型产生过度自信。实验发现,在 训练过程中判别器损失过小,生成器损失过大且不稳定,易造成梯度消失问题。根据交叉熵函数损失公式 和给定固定标签值进行推导判别器损失犔犇和生成器损失犔犌,其中犔犇由真样本损失和假样本损失两项组成,得出式()、式()。犔犇 狇 (狇 )
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 GAN 遥感 图像 协同 数据 增强 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。