基于DCGAN的数据增强方法

针对深度学习中训练样本数量少,难以满足深度学习需求的问题,提出一种基于深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)的数据增强方法,将深度学习运用于数据增强,利用卷积神经网络(Convolutional Neural Network,CNN)构建生成器与鉴别器网络,引入高斯误差线性单元(Gaussian Error Linear Unit,GELU)作为激活函数。将名人头像数据集(Large-scale CelebFaces Attributes,CelebA)作为训练样本进行训练。试验结果表明,该网络的鉴别器损失值快速收敛于0附近,生成器损失值快速收敛于3附近,收敛速度较快。网络能够根据学习到的样本数据分布,生成逼真的样本数据,该方法能够有效解决样本数量稀少的问题,实现数据增强。