基于DDR-CycleGAN的红外图像数据增强

提出了一种基于双鉴别器相对循环一致性生成对抗网络(DDR-CycleGAN)的红外图像数据生成方法。针对双鉴别器监督机制易出现的过度优化造成的性能下降问题,该方法在双鉴别器循环一致性生成对抗网络(DD-CycleGAN)中加入了相对概率的思想,采用鉴别器鉴别图像的相对真实概率替代绝对真实概率,使得生成图片更加接近真实图片。本文方法采用FLIR数据集进行训练和测试,实验结果表明本文方法相比DD-CycleGAN在可见光图像生成红外图像的图像质量上,峰值信噪比提高了3.91%,FID(Frechet Inception Distance score)降低了3.81%。