{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,8,22]]，“日期-时间”：“2024-08-22T15:28:15Z”，“时间戳”：1724340495125}，“参考-计数”：54，“出版商”：“Springer Science and Business Media LLC”，“问题”：“29”，“许可证”：[{“开始”：{-“日期-零件”：[2022,8,13]]，”日期-时间“：”2022-08-13T00:00:00Z“，“timestamp”：1660348800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springer.com/tdm”}，{“start”：{“date-parts”：[[2022,8,13]]，“date-time”：“2022-08-13T00:00:00Z”，“timetamp”：66034880000}，/tdm“}]，“出资人”：[{“DOI”：“10.13039\/501100010410”，“名称”：“香港教育大学”，“doi-asserted-by”：“crossref”，“award”：[“院长2018-19研究基金（FLASS\/DRF\/IDS-3）”]，“id”：[{“id”:“10.13039\/501100010410”，“id-type”：“doi”，“assertd-by”：“crosref”}]}，{“doi“：”10.13039\\501100010410“，”name“：”香港教育大学“，”doi-assert-by“：”crossref.“，“奖项”：[“2019年部门合作研究基金（MIT\/DCRF-R2\/18-19）”]，“id”：[{“id”:“10.13039\/501100010410”，“id-type”：“DOI”，“asserted-by”：“crossref”}]}，{“DOI“：”10.13039\/501100014736“，”name“：”岭南大学“，”DOI-asserted-by“：”Crosref“，”award“：[”教师研究补助金（DB21A9）“]，”id“\/501100014736“，”id-type“：”DOI“，“asserted-by”：“crossref”}]}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[“Multimed Tools Appl”]，”published-print“：{”date-parts“：[2022,12]]}，”DOI“：”10.1007\/s11042-013476-w“，”type“：”journal-article“，”created“：{”date-ports“：[2022,8,13]]，“date-time“：”2022-08-13T04:02:36Z“，”时间戳“：1660363356000}，“页面”：“42871-42887”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源代码”：“Crossref”、“is-referenced-by-count”：4，“标题”：[“基于生成性对抗网络的深度数据增强框架”]，“前缀”：“10.1007”，《卷》：“81”，“作者”：[{“给定”：“奇平”，“家族”：“王”，“序列”：“第一”，“affiliation”：[]}，{“given”：“Ling”，“family”：“Luo”，“sequence”：“additional”，“affeliance”：[]}：[]}，{“给定”：“Raymond Y.K.”，“family”：“Lau”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Detian”，“faily”：”Zhang“，”sequence“：”additional“，”affiliation:[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[2022,8,13]]}；“reference”：[{“key”：”13476_CR1“，”unstructured“：“Abadi M，Agarwal A，Barham P，Brevdo E，Chen Z，Citro C，Corrado GS，Davis A，Dean J，Devin M，Ghemawat S（2016）TensorFlow:异构系统上的大规模机器学习，arXiv:1603.04467”}，{“key”：“13476_CR2”，“doi-asserted-by”：“crossref”，“unstructured”：“Antoniou A，Storkey A，Edwards H（2018）使用数据增强生成对抗网络增强图像分类器。摘自：国际人工神经网络会议，pp 594\u2013603“，“DOI”：“10.1007\/978-3-030-01424-7_58”}，{“key”：“13476_CR3”，“unstructured”：“Arjovsky M，Chintala S，Bottou L（2017）Wasserstein gan.arXiv:1701.07875”}、{“key”：”13476_CR14“，“unsructured“：”Brock A，Donahue J，Simonyan K（2018）用于高保真自然图像合成的大规模gan训练。arXiv:1809.11096“}，{“key”：“13476_CR5”，“doi-asserted-by”：“crossref”，“unstructured”：“Chen Y，Li W，Sakaridis C，Dai D，Van Gool L（2018）野外目标检测的域自适应更快r-cnn。in:IEEE计算机视觉和模式识别会议（CVPR），pp 3339\u20133348”，“doi”：“10.1109\/CVPR.2018.00352”}13476_CR6“，”doi-asserted-by“：”crossref“，”unstructured“：”Cohen G，Afshar S，Tapson J，van Schaik A（2017）EMNIST：将MNIST扩展到手写信件。2017年国际神经网络联合会议（IJCNN），第2921\u20132926页，“DOI”：“10.1109\/IJCNN.2017.7966217”}，{“key”：“13476_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“Cubuk ED，Zoph B，Man\u00e9 D，Vasudevan V，Le QV（2018）Autoengregate:Learning engation policies from data.arXiv:1805.09501”，“DOI:”10.1109\/CVPR.2019.00020“}，{“key”：“13476_CR8”，“doi-asserted-by”：“crossref”，“unstructured”：“Cui X，Goel V，Kingsbury B（2014）深度神经网络声学建模的数据增强。In：2014 IEEE声学、语音和信号处理国际会议（ICASSP），pp 5582\u20135586”，“doi”：“10.1109\/ICASSP.2014.6854671”}13476_CR9”，“非结构化”：“Denton E，Chintala S，Szlam A，Fergus R（2015）使用对抗性网络的拉普拉斯金字塔的深度生成图像模型。In:Advances In neural information processing systems（NIPS），pp 1486\u20131494“}，{“key”：“13476_CR10”，“doi-asserted-by”：“crossref”，“unstructured”：“Dixit M，Kwitt R，Niethammer M，Vasconcelos N（2017）Aga:Attribute-guided enancement。In:IEEE计算机视觉和模式识别会议论文集，pp 7455\u20137463”，“doi”：“10.1109\/CVPR.2017.355“}，{“key”：“13476_CR11”，“doi-asserted-by”：“crossref”，“unstructured”：“Fawzi A，Samulowitz H，Turaga D，Frossard P（2016）图像分类的自适应数据增强。In:IEEE国际图像处理会议（ICIP），pp 3688\u20133692”，“doi”：“10.1109\/ICIP.2016.7533048”}，}“key”：“13576_CR12”，“doi-assertd-by”：“publisher“，”first page“：”321“，”DOI“：”10.1016\/j.neucom.2018.09.013“，”volume“：“321”，”author“：”M Frid-Adar“，”year“：”2018“，”unstructured“：”Frid-Adar M，Diamant I，Klang E，Amitai M，Goldberger j，Greenspan H（2018）基于GAN的合成医学图像增强技术，用于提高cnn在肝脏病变分类中的表现。神经计算321:321\u2013331”，“期刊标题”：“神经计算”}，{“键”：“13476_CR13”，“doi断言”：“crossref”，“非结构化”：“Girshick R（2015）Fast R-CNN.In:国际计算机视觉会议（ICCV），第1440\u20131448页”，“doi”：“10.1109\/ICCV.2015.169”}，{“键”：“13476_CR14”，“doi断言”：“crossref”，“非结构化”：“Gong Y，Wang L，Guo R，Lazebnik S（2014）深卷积激活特征的多尺度无序池。在：欧洲计算机视觉会议（ECCV），第392\u2013407页，“DOI”：“10.1007\/978-3-319-10584-0_26”}，｛“key”：“13476_CR15”，“nonstructured”：“Goodfellow I，Pouget Abadie J，Mirza M，Xu B，Warde Farley D，Ozair S，Courville A，Bengio Y（2014）生成对抗性网络。在：神经信息处理系统的进展（NIPS），pp 2672\u20132680“}，{“key”：“13476_CR16”，“unstructured”：“Gulrajani I，Ahmed F，Arjovsky M，Dumoulin V，Courville AC（2017）改进wasserstein gans的训练。In：神经信息处理系统的进展，pp 5767\u20135777”}，}“key:”13476_CR17“，”unstructure“：”Hauberg S，Freifeld O，Larsen ABL，Fisher J，Hansen LK（2016）梦想更多数据：基于差分同构的类相关分布用于学习数据增强。摘自：《第19届国际人工智能与统计会议论文集》，pp 342\u2013350“}，{“key”：“13476_CR18”，“doi-asserted-by”：“crossref”，“unstructured”：“He K，Zhang X，Ren S，Sun J（2016）《图像识别的深度剩余学习》。摘自：IEEE计算机视觉与模式识别会议（CVPR），pp 770\u2013778”DOI“：”10.1109\/CVPR.2016.90“}，{“issue”：“5”，“key”：“13476_CR19”，“DOI-asserted-by”：“publisher”，“first page”：”359“，“DOI”：“10.1016\/0893-6080（89）90020-8”，“volume”：第2“，”author“：”K Hornik“，“year”：“1989”，“unstructured”：“Hornick K，Stinchcombe M，White H（1989）多层前馈网络是通用逼近器。神经网络2（Neural Netw 2）5）：359\u2013366“，”journal-title“：”Neural Netw“}，{“key”：“13476_CR20”，“doi-asserted-by”：“crossref”，“unstructured”：“Hu W，Huang Y，Wei L，Zhang F，Li H（2015）用于高光谱图像分类的深度卷积神经网络。journal of Sensors 2015，258619”，“doi”：“10.1155\/2015\/258619”}，“key“：”13476_CR2“，“unsructured“：”Jaderberg M、Simonyan K、Vedaldi A、Zisserman A（2014）《自然场景文本识别的合成数据和人工神经网络》。arXiv:1406.2227“}，{“key”：“13476_CR22”，“doi-asserted-by”：“publisher”，“first page”：”35055“，“doi”：“10.1007\/s11042-020-08883-w”，“volume”：：“79”，“author”：“G Jha”，“year”：“2020”，“unstructured”：“Jha G，Cecotti H（2020）使用生成对抗网络进行手写数字识别的数据增强。Multimed Tools Appl 79:35055\u201335068”，“journal-title“：”Multimed Tools Appl“}，{“key”：“13476_CR23”，“doi-asserted-by”：“crossref”，“unstructured”：“Jorge J，Vieco J，Paredes R，Sanchez JA，Benedi JM（2018）用于数据增强的变分自动编码器的经验评估。摘自：计算机视觉、成像和计算机图形学理论与应用国际联合会议（VISIGRAPP），第96\u2013104页“，”DOI“：”10.5220\/0006618600960104“}，{“key”：“13476_CR24”，“unstructured”：“Karras T，Aila T，Laine S，Lehtinen J（2017），为了提高质量、稳定性和变异性，组织的渐进生长。arXiv:1710.10196”}，{“key”：“13476_CR25”，“doi-asserted-by”：“crossref”，“unstructured”：“Karras T，Laine S，Aila T（2018）生成性对抗网络的基于样式的生成器体系结构。arXiv:1812.04948”，“doi”：“10.1109\/CVPR.2019.00453”}，{《key》：“13476 _CR26”，“非结构化”：“Krizhevsky A，Sutskever I，Hinton GE（2012）基于深度卷积神经网络的Imagenet分类。In:Advances In Neural Information Processing Systems（NIPS），pp 1097\u20131105“}，{“key”：“13476_CR27”，“unstructured”：“LeCun Y，Huang FJ，Bottou L（2014），具有姿势和光照不变性的类属物体识别的学习方法。In:IEEE Conference on Computer Vision and Pattern recognition（CVPR），vol 2，pp II\u2013104”}，}“key:”13476_CR28“，”doi-asserted-by“：”crossref“，”unstructured“：”Lecun Y，Bottou L，Bengio Y，Haffner P（1998）梯度学习应用于文档识别。摘自：IEEE Proceedings of the IEEE，pp 2278\u20132324“，”DOI“：”10.1109\/5.726791“}，{“issue”：“4”，“key”：“13476_CR29”，“DOI-asserted-by”：“publisher”，“first page”：”593“，”DOI“：基于深度cnn的高光谱图像分类数据增强。IEEE Geosci Remote Sens Lett 16（4）：593\u2013597“，“journal-title”：“IEEE Geosci Remote Sens Lett”}，{“issue”：“7”，“key”：“13476_CR30”，“first-page”：“4931”，“volume”：”79“，“author”：“Z-Li”，“year”：“2018”，“unstructured”：“Li Z，Guo J，Jiao W，Xu P，Liu B，Zhao X（2018）用于人员重新识别的随机线性插值数据增强。Multimed Tools Appl 79（7）：4931\u20134947“，“journal-title”：“Multimed Tools Appl”}，{“key”：“13476_CR31”，“doi-asserted-by”：“crossref”，“unstructured”：“Liu C，Yin F，Wang Q，Wang D（2011）ICDAR 2011中国手写识别大赛。In:2011年国际文档分析与识别会议论文集（ICDAR），pp 1464\u20131469“，“DOI”：“10.1109\/ICDAR.2011.291”}，{“key”：“13476_CR32”，“DOI-asserted-by”：“crossref”，“unstructured”：“Long J，Shelhamer E，Darrell T（2015）语义切分的完全卷积模型。In:IEEE Conference on Computer vision and pattern recognition（CVPR），vol 3，p 4”，“DOI:”10.1109\/CVPR.2015.7298965“}，”{“密钥”：“13476_CR33“，”doi-asserted-by“：”crossref“，”unstructured“：”Mao X，Li Q，Xie H，Lau RY，Wang Z，Smolley SP（2016）最小二乘生成对抗网络。arXiv:1611.04076“，”DOI“：”10.1109\/ICCV.2017.304“}，{“key”：“13476_CR34”，“unstructured”：“Mariani G，Scheidger F，Istrate R，Bekas C，Malossi C（2018）Bagan:使用平衡gan.arXiv:1803.09655“}进行数据增强，{”key“：”13476_CR135“，”unstructure“：”Mirza M，Osindero S（2014）条件生成对抗网。arXiv:1411.1784“}：“13476_CR36“，“非结构化”：“Miyato T，Kataoka T，Koyama M，Yoshida Y（2018）生成性对抗网络的频谱归一化。arXiv:1802.05957“}，{“key”：“13476_CR37”，“unstructured”：“Nowozin S，Cseke B，Tomioka R（2016）f-gan:使用变分散度最小化训练生成性神经采样器。arXiv:1606.00709”}，}“key:”13476_CR 38“，”unstructure“：”Odena A（2016）使用生成性对抗网络的半监督学习。arXiv：1606.01583“}13476_CR39“，”doi-asserted-by“：”crossref“，”unstructured“：”Paulin M，Revaud J，Harchaoui Z，Perronnin F，Schmid C（2014）《图像分类的变换追踪》。摘自：IEEE计算机视觉和模式识别会议，第3646\u20133653页，“DOI”：“10.1109\/CVPR.2014.466”}，{“问题”：“1”，“密钥”：“13476_CR40”，“DOI-asserted-by”：“发布者”，“首页”：“145”，“DOI:“10.1016\/S0893-6080（98）00116-6”，“卷”：“12”，“作者”：“N Qian”，年：“1999”，“非结构化”：“Qian N（1999）梯度下降学习算法中的动量项。Neural Netw 12（1）：145\u2013151“，“journal-title”：“Neural Network”}，{“key”：“13476_CR41”，“unstructured”：“Radford A，Metz L，Chintala S（2015），深度卷积生成对抗网络的无监督表示学习。arXiv:1511.06434”}、{“key”：Salimans T、Goodfellow I、Zaremba W、Cheung V、Radford A、Chen X（2016）《培训机构的改进技术》。In:Advances In Neural Information Processing Systems（NIPS），pp 2226\u20132234“}，{“key”：“13476_CR43”，“doi-asserted-by”：“crossref”，“unstructured”：“Simard PY，Steinkraus D，Platt JC（2003）卷积神经网络应用于可视化文档分析的最佳实践。In:国际文档分析与识别会议（ICDAR），第2卷，第958页“，“DOI”：“10.1109\/ICDAR.2003.1227801”}，{“key”：“13476_CR44”，“unstructured”：“Simonyan K，Zisserman A（2014）用于大规模图像识别的极深卷积网络。arXiv:1409.1556”}具有分类生成对抗性网络的无监督和半监督学习。arXiv:1511.06390“}，{“key”：“13476_CR46”，“doi-asserted-by”：“crossref”，“unstructured”：“Wang G，Kang W，Wu Q，Wang Z，Gao J（2018）基于生成对抗网络（gan）的掌纹识别数据增强。In：数字图像计算：技术与应用（DICTA），pp 1\u20137”，“doi”：“10.1109 \/DICTA.2018.8615782”}，“key“：”13476_CR47“，“非结构化”：“Wang J，Perez L（2017）深度学习在图像分类中数据增强的有效性。arXiv:1712.04621“}，{“issue”：“3”，“key”：“13476_CR48”，“doi-asserted-by”：“publisher”，“first-pages”：“631”，“doi”：“10.1007 \/s11554-017-0717-0”，《volume》：“15”，“author”：“SH Wang”，“year”：“2018”，“unstructured”：“Wang SH，Sun J，Phillips P，Zhao G，Zhang YD（2018）偏振合成孔径雷达图像的卷积神经网络分割采用图形处理单元。J Real Time Image Process 15（3）：631\u2013642“，”journal-title“：”J Real Time Image Process“}，{“key”：“13476_CR49”，“doi-asserted-by”：“crossref”，“unstructured”：“Yin X，Yu X，Sohn K，Liu X，Chandraker M（2018）长尾数据深度人脸识别的特征转移学习。CoRR arXiv:1803.09014”，“doi”：“10.1109 \/CVPR.2019.00585”}，}“key”：“13476_CR50“，”doi断言由“：”crossref“，”非结构化“：”Yu Q，Lam W（2019）基于对抗性自动编码器的数据增强，处理学习排名的不平衡。摘自：AAAI人工智能会议，第33卷，第01期，第411\u2013418页“，”DOI“：”10.1609\/AAAI.v33i01.330141“}，{“key”：“13476_CR51”，“DOI-asserted-by”：“publisher”，“first page”：”20617“，”DOI“：“10.1007\/s11042-0820-08918-2”，“volument”：“79”，“author”：“S Zeng”，“year”：“2020”，“unstructured”：“Zeng S，Zhang B，Gou J（2020）通过数据增强学习双权值，实现稳健的稀疏和基于协作表示的分类。Multimed Tools Appl 79:20617\u201320638”，“journal-title”：“Multimed Tools Appl”}，{“key”：“13476_CR52”，“unstructured”：“Zhang H，Goodfellow I，Metaxas D，Odena A（2018）Self attention generative敌对网络。arXiv:1805.08318”}、{“密钥”：“13.476_CR53”，“非结构化”：“钟Z，郑L，Kang G，Li S，Yang Y（2017）随机擦除数据增强。arXiv:1708.04896“}，{“key”：“13476_CR54”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhu X，Liu Y，Qin Z，Li J（2017）《使用生成性对抗网络进行情感分类中的数据增强》。arXiv:1711.00648”，“doi”：“10.1007\/978-3319-93040-4_28”}]，“container-title”：[“多媒体工具和应用程序”]，“original title”：[]，“language”：“en“，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/s11042-022-13476-w.pdf“，”content-type“：”application\/pdf“、”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL:“https:\//link.springer\com/article\/10.10007\/s1104-202-13476-w \/fulltext.html“，”内容类型“：”文本\/html“，”content-vers离子“：”vor“，”intended-application“：”text-mining“}，{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/s11042-022-13476-w.pdf“，”content-type“：”application\/pdf“、”content-version“：”vor“，”intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2022,11,26]]，“date-time”：“2022-11-26T22:53:18Z”，“timestamp”：1669503198000}，“得分“：1，”resource“：{”primary”：{“URL”：“https:\/\/link.springer.com/10.1007\/s11042-022-13476-w”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{date-parts“：[2022,8,13]]}，”references-count“：54，”journal-issue“：{”issue“：”29“，”published-print“：{dateparts”：[2022,12]}}、“alternative-id”：[“13476”]，“URL”：“http://\/dx.doi.org\/10.1007\/s11042-022-13476-w”，“关系“：{}，”ISSN“：[”1380-7501“，”1573-7721“]，”ISSN-type“：[{”value“：”1380-750“，”type“:”print“}，{”value“：”1573-77“，”类型“：”electronic“}]，“subject”：[]，“published”：{“date-parts”：[2022,8,13]]}，“assertion”：“[{“value”：“2021年5月13日”，“order”：1，“name”：“received”，“label”：“received”，“group”：{“name”：“ArticleHistory”，“label”：“文章历史”}}，{“value”：“2021年11月22日“，”订单“：2，”名称“：”修订“，”标签“：”修改“，”组“：{”名称“:”文章历史“，”label“：”文章历史”}}，{“value”：“2022年7月13日”，“订单”：3，“name”：“accepted”，“label”：“accepted：“首次联机”，“组”：{“name“：”ArticleHistory“，”label“：”Article-History“}}，{“order”：1，“name”：“Ethics”，“group”：{“name”:“EthicsHeading”，“label”：“Declarations”}}、{“value”：“作者没有已知的竞争性财务利益或个人关系，可能会影响本文所报道的工作。”，“order“：2，”name“：“Exics”，”group“：{”name“道德标题“，”标签“：”利益冲突“}}]}}