【技术实现步骤摘要】
本专利技术涉及深度学习，具体涉及一种基于风格迁移的混合图像数据增强方法。
技术介绍
1、随着计算机硬件技术的飞速发展，深度学习再次成为人们关注的热点技术。深度学习在训练的过程中会面临过拟合问题，使得深度学习的模型对训练集学习的非常好，但是在测试集上的精度较低。数据增强是缓解深度学习过拟合问题的重要技术手段，通过增加训练集样本的多样性，从而降低模型对训练集的过拟合程度，提高模型泛化性，最终提升模型在测试集的表现。
2、随着深度学习成为热点研究问题，数据增强技术也在不断地发展，已有的数据增强方法在提升样本多样性方面还有很大的提升空间。本文提出了一种基于风格迁移的混合图像数据增强方法。该数据增强方法通过风格迁移的方法交换图像的风格，然后将其进行融合，可以极大的提升训练集数据的多样性，缓解模型在训练过程的过拟合问题，提升模型在测试集的性能。
技术实现思路
1、本专利技术的目的是为了解决深度学习的过拟合问题，提出的一种基于风格迁移的混合图像数据增强方法。
2、上述专利技术目的...
【技术保护点】
1.一种基于风格迁移的混合图像数据增强方法，其特征在于，包含如下步骤：
2.如权利要求1所述的一种基于风格迁移的混合图像数据增强方法，其特征在于，步骤S2中所述的计算两张图像的均值和方差，为按通道分别计算均值和方差，具体为计算图像中每个通道所含像素值的均值和方差。
3.如权利要求1所述的一种基于风格迁移的混合图像数据增强方法，其特征在于，步骤S3中所述的交换两张图像的均值和方差的计算公式如下：
4.如权利要求1所述的一种基于风格迁移的混合图像数据增强方法，其特征在于，步骤S4中所述的将交换均值和方差后的两张图像与原图像共四张图像进行...
【技术特征摘要】
1.一种基于风格迁移的混合图像数据增强方法，其特征在于，包含如下步骤：
2.如权利要求1所述的一种基于风格迁移的混合图像数据增强方法，其特征在于，步骤s2中所述的计算两张图像的均值和方差，为按通道分别计算均值和方差，具体为计算图像中每个通道所含像素值的均值和方差。
3.如权利...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。