奥根 swMATH ID: 42576 软件作者： 黄胜伟、林车成、陈树平、吴彦毅、徐柏浩、赖尚洪 描述： AugGAN：基于GAN的数据增强的跨域适配。基于深度学习的图像到图像转换方法旨在学习两个领域的联合分布并找到它们之间的转换。尽管最近基于GAN（Generative Adversarial Network）的方法显示出令人信服的视觉效果，但在面对大规模复杂的域转移时，它们在保存图像对象和保持翻译一致性方面往往会失败，这降低了它们在为不同领域生成大规模训练数据等任务上的实用性。为了解决这个问题，我们设计了一个弱监督的结构软件图像到图像转换网络，该网络由编码器、生成器、鉴别器和解析网络分别在一个统一的框架中组成。与不同图像翻译任务中的竞争方法相比，目标网络生成不同领域的更合理的视觉图像。此外，我们通过使用图像翻译结果生成的数据集训练Faster-RCNN和YOLO来定量评估不同的方法，并证明使用所提出的图像对象保持网络可以显著提高检测精度。 主页： https://paperswithcode.com/paper/augan-cross-domain-adaptation-with-gan-based 源代码： https://github.com/yuanmengzhixing/AugGAN-Cross-Domain-Aptification-with-GAN-based-DataAugmentation 依赖项： 蟒蛇 相关软件： Wasserstein甘;脉冲;LSUN公司;TensorFlow公司;VEEGAN公司;时尚GAN;Celeb-DF公司;捕获m20;巴根;阿达根;面部法医学;MesoNet公司;MGAN公司;普罗甘;混淆;像素x像素;CycleGAN公司;增强器;PyTorch公司;CIFAR公司 引用于： 2文件 全部的 前5名7位作者引用 1 尼哈里卡·贾因 1 苏巴拉奥·坎巴帕蒂 1 利迪亚·马尼孔达 1 阿尔韦托·奥尔莫 1 Ong，Yong Zheng（昂永正） 1 塞利克·森古普塔 1 杨海照 2篇连载文章中引用 1 人工智能 1 反问题和成像 在1个字段中引用 2 计算机科学（68至XX） 按年份列出的引文