CGAN数据增强实战：从原理到避坑指南

1次阅读

没有评论

共计 1527 个字符，预计需要花费 4 分钟才能阅读完成。

在深度学习模型训练中，数据不足或数据不平衡会导致模型泛化能力差、过拟合等问题。传统的数据增强方法（如旋转、翻转、裁剪等）虽然简单易用，但存在以下局限性：

只能生成与原始数据高度相似的样本，多样性有限
对于复杂的非线性变换（如风格迁移）无能为力
无法针对特定类别进行定向增强，难以解决类别不平衡问题

CGAN（Conditional GAN）在普通 GAN 的基础上引入了条件控制机制，通过将类别标签作为额外输入，可以定向生成特定类别的数据。相比普通 GAN，CGAN 的优势在于：

生成数据的类别可控，适合解决类别不平衡问题
生成质量更高，因为判别器可以学习类别相关的特征
训练过程更稳定，条件信息提供了额外的监督信号

以下是 Generator 和 Discriminator 的典型架构：

import torch
import torch.nn as nn

class Generator(nn.Module):
    def __init__(self, latent_dim, num_classes, img_shape):
        super().__init__()
        self.label_emb = nn.Embedding(num_classes, num_classes)

        self.model = nn.Sequential(nn.Linear(latent_dim + num_classes, 128),
            nn.LeakyReLU(0.2),
            nn.Linear(128, 256),
            nn.BatchNorm1d(256),
            nn.LeakyReLU(0.2),
            nn.Linear(256, 512),
            nn.BatchNorm1d(512),
            nn.LeakyReLU(0.2),
            nn.Linear(512, int(torch.prod(torch.tensor(img_shape)))),
            nn.Tanh())
        self.img_shape = img_shape

    def forward(self, z, labels):
        # 拼接噪声和条件标签
        c = self.label_emb(labels)
        x = torch.cat([z, c], 1)
        img = self.model(x)
        return img.view(img.size(0), *self.img_shape)