正态随机仿射变换的图像数据增强方法

TP391; 针对现有图像数据增强方法会生成大量无效冗余数据,导致训练数据质量降低和网络泛化性能减弱的问题,提出一种基于正态分布的随机仿射变换(random affine transformation based on normal distribution,NRAff)图像数据增强方法.NRAff的核心是设计一个正态随机仿射变换模块,在随机仿射变换中引入正态分布,使图像随机仿射变换幅度以原图像为中心呈正态分布形式输出,通过限制变换图像输出的分布范围,去除无效数据,获取更有效且具有正态分布特性的图像数据.NRAff方法仿照生物视觉感知系统的正态分布采样机制,使生成的图像分布接近生物视觉主观感知...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 60; no. 23; pp. 176 - 186
Main Authors 姜文涛, 陈霖霖, 张晟翀
Format Journal Article
LanguageChinese
Published 辽宁工程技术大学 软件学院,辽宁 葫芦岛 125105%光电信息控制和安全技术重点实验室,天津 300308 01.12.2024
Subjects
仿射变换
图像分类
data augmentation
image classification
数据增强
正态分布
normal distribution
affine transformation
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2307-0327

Cover

More Information
Summary:TP391; 针对现有图像数据增强方法会生成大量无效冗余数据,导致训练数据质量降低和网络泛化性能减弱的问题,提出一种基于正态分布的随机仿射变换(random affine transformation based on normal distribution,NRAff)图像数据增强方法.NRAff的核心是设计一个正态随机仿射变换模块,在随机仿射变换中引入正态分布,使图像随机仿射变换幅度以原图像为中心呈正态分布形式输出,通过限制变换图像输出的分布范围,去除无效数据,获取更有效且具有正态分布特性的图像数据.NRAff方法仿照生物视觉感知系统的正态分布采样机制,使生成的图像分布接近生物视觉主观感知效果,突出目标感知的正态分布特性,使网络在变换的特征中学习不变的特征.该方法能够提高图像数据分布的一致性,使网络学习到更多有效的、潜在的仿射变换不变特征,提高网络抗过拟合能力.在图像分类数据集CIFAR10,CIFAR100,SVHN,Fashion-MNIST和Imagenette上,与当前先进的数据增强方法进行实验和对比分析,实验结果表明,提出的图像增强方法在分类准确率上均有不同程度的提升,验证了NRAff方法的有效性和普适性.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2307-0327