基于条件生成对抗和泊松融合的图像数据增强方法

陈可嘉,曾威文,王朕卿

Image data enhancement method based on conditional generative adversarial network and Poisson blending

Kejia CHEN,Weiwen ZENG,Zhenqing WANG

表 2 不同生成网络的IS与FID对比

Tab.2 Comparison of IS and FID for different generative networks

数据集 方法 IS FID Ni = 1000 Ni = 2000 Ni = 3000 最佳值 Ni = 1000 Ni = 2000 Ni = 3000 最佳值 CIFAR-10 PB-WCGAN-GP（本文） 2.46 2.87 3.13 3.31 45.42 31.77 19.73 14.82 StyleGAN 2.36 2.62 3.03 3.41 54.65 41.81 21.82 16.18 WGAN-Div 1.92 2.71 3.00 3.10 53.79 38.45 28.96 31.48 ACGAN 2.13 2.50 2.99 3.21 48.45 37.53 32.77 25.64 DDPM 1.35 2.16 2.72 4.21 63.76 48.16 32.52 12.98 R3GAN 1.68 2.44 2.87 3.12 58.97 41.36 36.81 30.44 Huawei-Garbage PB-WCGAN-GP（本文） 3.29 3.41 3.66 4.41 202.81 186.88 165.72 104.57 StyleGAN 2.67 3.23 3.34 3.78 242.34 205.18 176.62 112.26 WGAN-Div 2.86 3.37 3.70 3.99 222.56 196.42 168.25 143.65 ACGAN 2.97 3.19 3.42 4.31 208.85 185.53 152.48 112.02 DDPM 2.05 2.73 3.44 4.86 268.74 225.63 182.19 110.79 R3GAN 2.16 2.87 3.28 3.72 248.62 210.34 179.55 128.86