典型文献
基于EnsNet与MCGAN级联处理的字符样本扩充方法
文献摘要：
针对分类任务中样本数据不均衡,分类模型在少数类上准确率不高的问题,本文提出一种基于EnsNet和MCGAN模型的背景风格迁移和字体风格迁移的级联处理方法,EnsNet模型较好地实现复杂背景的字体擦除和字体提取,MCGAN模型实现提取出的字体进行风格迁移与数据扩充.在确保满足样本多样性的前提下,通过两组模型的级联方法,实现了少数类样本跨数量级扩充.实验结果表明,首先,选用优化后的LeNet5-BN样本扩充效果进行验证,在数据分布严重不均衡的原始真实数据上,少数类识别准确低于99.50％,在使用数据扩充方法后的合成数据集上,原少数类识别准确率达到99.98％,其次继续采用Resnet和Mobilenet模型进一步验证扩充样本前后分类识别准确率,扩充前后的分类准确率分别从99.88％和99.8％,分别提升到99.96％和99.95％,样本扩充效果通过多组模型得到了很好的验证,最后,选用LeNet5-BN模型,实现了十次交叉验证实验,平均识别准确率从99.50％提升至99.98％,进一步表明样本跨数量级扩充模型具有较好的鲁棒性.
文献关键词：
EnsNet;MCGAN;样本扩充;风格迁移;LeNet5-BN
中图分类号：
作者姓名：
余元超;雷刚;陈小旋;谭栋;谭小娟
作者机构：
广州广电运通金融电子股份有限公司,广东广州510663
文献出处：
引用格式：
[1]余元超;雷刚;陈小旋;谭栋;谭小娟-.基于EnsNet与MCGAN级联处理的字符样本扩充方法)[J].微电子学与计算机,2022(06):69-78
A类：
EnsNet,MCGAN
B类：
字符,样本扩充,分类任务,数据不均衡,分类模型,少数类,风格迁移,字体风格,复杂背景,擦除,模型实现,数据扩充,样本多样性,级联方法,数量级,LeNet5,BN,数据分布,真实数据,使用数据,合成数据集,识别准确率,Resnet,Mobilenet,分类识别,分类准确率,十次,交叉验证,验证实验,充模
AB值：
0.317297
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
