一种基于生成式对抗网络的数据集扩充方法在湿地鸟类图像识别中的应用
摘 要：已有的天津大黄堡湿地鸟类数据集存在样本数量少、样本分布不均衡等问题，严重影响鸟类智能识别的精度．本文提出一种基于生成式对抗网络的数据集扩充方法，通过使用旋转、缩放、添加噪声等方式进行初步扩充，然后输入条件对抗网络进行学习，通过使用生成器生成新的鸟类样本．对大黄堡湿地鸟类数据集进行扩充处理，并使用目标检测算法SSD、YOLOv3-SPP-Net、RetinaNet 进行测试，结果表明识别的精度显著提高，基本满足本区鸟类目标识别的需求．
论文下载：