语义相似性GAN

小样本增广领先

一种基于语义相似性的小样本图像增强方法，通过金字塔结构GAN和基于高维语义的特征选择模块，在有限样本下优于经典GAN，且增强数据集可提升下游分类器精度。

Congcong, Ma · Mi, Jiaqi · 高万林 · Tao, Sha

Neural Processing Letters 2024

参数信息

FID 提升

18.6

IS 提升

1.4

分类器准确率提升

2.2 %

技术优势

浅层金字塔结构

增强小样本下的特征提取能力，使模型适应有限数据。

高维语义选特征

基于高维语义的特征选择模块优化损失函数，提升模型学习能力。

提升下游分类精度

SSGAN 增强的数据集使分类器准确率提升 2.2%（相比已知最佳方法）。

应用场景

• 小样本图像增强：在有限样本下提升生成质量与下游学习性能。
• 数据增强：增强数据集，提高分类器准确率。
• 图像生成：生成高保真图像，改善小样本场景。