一种基于GAN网络的样本数据增强方法及系统

摘要

本发明公开一种基于GAN网络的样本数据增强方法及系统，方法具体为：构建利用N个GAN网络结构组成的金字塔形状的GAN网络学习模型；基于Coarse‑to‑Fine思想的对GAN网络学习模型进行训练和测试，对输入图像从粗略的分辨率开始进行多次迭代；迭代结果收敛时，添加附加的卷积层来增加生成器的大小，从原始的上采样特征到新添加卷积层的输出间添加残差连接，直到图像的分辨率达到设定的输出分辨率；基于满足输出分辨率的图像生成虚拟样本，将所述虚拟样本与小样本数据集混合，得到增强后的完成样本数据；解决了工业过程中老化样本数据十分稀缺的问题，相对传统的数据增强方法而言效率更高，降低了数据成本；生成的图像在符合原始分布的基础上更加多样。