一种基于生成对抗网络的知识蒸馏数据增强方法与系统

摘要

本发明提供了一种基于生成对抗网络的知识蒸馏数据增强方法与系统，通过易操作的数据增强方式，提高了卷积网络对工业数据集的定位能力和识别准确率。本发明结合了生成对抗网络高效拟合样本数据分布和知识蒸馏中对神经网络模型容错率改善的算法，实现了在生成增强样本时不引入非信息噪声、提高了模型对错误标签的鲁棒性。本发明降低了工业数据集正负样本标注错误而产生的对模型的误导，提升了工业数据集在语义分割任务上的表征表达性能，提高了模型在特征粒度区分小的情况下对样本特征的学习能力，在汽车零部件检测与制造、铁路零部件定位等应用中发挥了重要的作用。