基于深度残差注意力生成网络的数据增强图像分类

图像分类可能受到许多因素的影响,本文提出用一个深度残差注意力生成网络生成图像数据来进行数据增强,增加图像数据的多样性,从而提高分类的准确率。通过与一些流行的深度学习分类方法做对比实验,实验结果表明本文所提出的方法在分类性能上具有竞争力,在MNIST和cirfar10数据集上分别达到了98.95%和92.68%的分类准确率。