一种基于生成对抗网络的图像多样性增强方法与系统

摘要

本发明公开了一种基于生成对抗网络的图像多样性增强方法与系统，属于机器学习技术领域，为解决小样本学习、任意图像数据集样本扩充与平衡等问题，本发明的技术方案包括生成器模块，判别器模块和聚类可视化模块。生成器模块利用噪声生成新的对抗样本图像；判别器模块将原有图像数据集和对抗样本进行“真假”比对；聚类可视化模块计算生成的对抗样本的种群数量。该发明创新性的将“压缩编码函数”与“辛普森多样性指数”相结合，提出了分类导向的多样性最大化损失函数，能在保证生成对抗样本图像的保真度的同时，有效提升种群内样本的多样性。