Feb, 2024

利用生成对抗网络增强的液滴分析

PDF
TL;DR该研究介绍了如何利用生成敌对网络来生成农业喷雾系统中的液滴图像，并利用这些合成数据集发展了一个轻量级液滴检测模型，从而提高了平均准确度（mAP）达到了 16.06%。这是第一个应用生成模型增强液滴检测的研究，对于优化喷嘴设计以构建高效喷雾系统，并解决各种精确农业任务中数据不足的共同挑战具有重要意义，为达到最佳和可持续的农业实践做出了重要贡献。
precision devicesprecision agriculturedeep learninggenerative adversarial networksdroplet detection
发现论文，激发创造
  • 农业图像增强的生成式对抗网络：一篇系统综述

    该论文概述了生成对抗网络 (GAN) 在农业图像分析中的应用，并对其在植物健康、水产养殖、动物饲养、果实检测等方面进行了系统回顾，讨论了 GAN 的挑战和机遇。

    Apr, 2022

  • 远程感知图像中的数据增强和适应的条件生成对抗网络

    使用 GAN 将给定的标记遥感图像拓展成更大的数据集并评测其对于物体检测任务的性能提升。

    Aug, 2019

  • GAN 增强：使用生成对抗网络进行训练数据增强

    本文使用生成式对抗网络（GAN）生成的合成数据来增加医学成像训练数据集的样本数量，从而提高监督式机器学习算法对图像分割任务的性能。

    Oct, 2018

  • 基于生成式深度学习的降水预测随机降尺度方法

    本文介绍了应用生成对抗网络来提高天气预报模型低分辨率输出数据的分辨率和结构，以匹配高分辨率雷达测量数据。结果表明，该模型可以匹配现有的最佳降尺度方法，而且在像素、空间和统计数据上表现优异。

    Apr, 2022

  • 生成对抗网络用于数据增强

    使用生成对抗网络 (GANs) 来扩充医疗领域中用于训练人工智能模型的可用数据集是可行的，然而仍需在医学影像使用 GANs 方面进行更进一步的研究以确保生成的影像质量高并适用于临床环境。

    Jun, 2023

  • 一幅图像中雨滴去除的注意力生成对抗网络

    本文提出了一种基于生成对抗网络和视觉注意力机制的雨滴去除方法，成功地将雨滴污染的图像还原为干净图像，并取得了比同类方法更好的定量和定性效果。

    Nov, 2017

  • 移动众感知中基于生成对抗网络的对抗任务检测

    本文提出了一种基于 GAN 的模型，通过将 GAN 判别器与二元分类器相结合，预防对手伪造任务，从而检测智能设计的非法传感服务请求。模拟结果表明，与单层二元分类器相比，提出的方法将对抗攻击检测率从 0% 提高到 97.5%，提高了三个二元分类器的原始攻击检测率。

    Feb, 2022

  • 使用域随机化和生成对抗网络精化合成图像进行目标检测

    该研究利用领域随机化和对抗生成网络在模拟环境中训练工业电器零件的近实时目标检测器。结果显示，使用合成图像和 GAN 翻译的图像进行训练可以在检测和分类一组工业电器零件中达到超过 0.95 的平均精度。

    May, 2018

  • 使用 Wasserstein 生成对抗网络通过数据增强改进 Android 恶意软件检测

    基于生成对抗网络 (GANs) 的数据增广和 Android 恶意软件检测，本研究通过利用 GAN 生成的数据来训练一个检测 Android 恶意软件的模型，并通过创建图像表示从现有数据集提取的特征，利用 GAN 生成逼真的灰度图像数据集，用于训练卷积神经网络 (CNN) 以识别先前未见的 Android 恶意软件应用程序，取得了 1.5% 到 7% 不等的分类模型性能显著提升，F1 得分达到了 97.5%。

    Mar, 2024

  • 利用生成对抗网络进行数据增强

    本文提出了使用生成对抗网络（GAN）生成机器学习任务的人工训练数据，以解决样本不平衡问题与个人隐私数据问题，在多个基准数据集上测试表明，使用 GAN 生成的训练数据进行决策树分类器训练可以取得与使用原始数据集训练 DT 相同或更好的准确性和召回率.

    Apr, 2019