基于WGAN-GP的水稻病害图像生成方法研究

摘要

本文设计一种梯度惩罚生成对抗网络(WGAN-GP)生成水稻病害图像样本.首先,对WGAN网络模型增加新的惩罚项限制模型权重范围,然后生成水稻病害图像样本,对水稻病害图像小样本集进行扩充,最后利用混合样本集作为深度学习模型的数据集,增强模型训练和学习效果.实验结果表明,卷积神经网络使用生成的水稻病害混合样本训练的识别准确率比使用传统图像增强混合样本训练的识别准确率提高5.2％,证明了在有限训练数据集下,文中所提方法的有效性.