计算机应用

作者：陈佛计, 朱枫, 吴清潇, 郝颖明, 王恩德

单位：1. 中国科学院 沈阳自动化研究所, 沈阳 110016;2. 中国科学院 机器人与智能制造创新研究院, 沈阳 110016;3. 中国科学院大学, 北京 100049;4. 中国科学院 光电信息处理重点实验室, 沈阳 110016

关键词：红外图像生成,生成对抗网络,图像转换,数据增强,生成图像质量评估

基金：国家自然科学基金资助项目（U1713216）。

深度学习在视觉任务中的良好表现很大程度上依赖于海量的数据和计算力的提升，但是在很多实际项目中通常难以提供足够的数据来完成任务。针对某些情况下红外图像少且难以获得的问题，提出一种基于彩色图像生成红外图像的方法来获取更多的红外图像数据。首先，用现有的彩色图像和红外图像数据构建成对的数据集；然后，基于卷积神经网络、转置卷积神经网络构建生成对抗网络（GAN）模型的生成器和鉴别器；接着，基于成对的数据集来训练GAN模型，直到生成器和鉴别器之间达到纳什平衡状态；最后，用训练好的生成器将彩色图像从彩色域变换到红外域。基于定量评估标准对实验结果进行了评估，结果表明，所提方法可以生成高质量的红外图像，并且相较于在损失函数中不加正则化项，在损失函数中加入L1和L2正则化约束后，该方法的FID分数值平均分别降低了23.95和20.89。作为一种无监督的数据增强方法，该方法也可以被应用于其他缺少数据的目标识别、目标检测、数据不平衡等视觉任务中。

来源：2020年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第7期