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 2144 个字符，预计需要花费 6 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。传统数据增强方法（如旋转、翻转、添加噪声）虽然简单有效，但存在两个主要问题：

只能产生有限的、低层次的变换，无法生成真正多样化的新数据
对于高度不平衡的数据集，传统方法难以从根本上解决类别分布不均的问题

CGAN（条件生成对抗网络）相比普通 GAN 的关键优势在于引入了条件控制机制。通过将类别标签等信息作为条件输入，CGAN 可以：

按需生成特定类别的数据，解决数据不平衡问题
生成更符合真实数据分布的样本，质量通常优于普通 GAN
训练过程更稳定，因为条件信息提供了额外的监督信号

使用 PyTorch 搭建 CGAN 的主要组件：

import torch
import torch.nn as nn

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

        self.model = nn.Sequential(nn.Linear(latent_dim + num_classes, 256),
            nn.LeakyReLU(0.2, inplace=True),
            nn.Linear(256, 512),
            nn.LeakyReLU(0.2, inplace=True),
            nn.Linear(512, 1024),
            nn.LeakyReLU(0.2, inplace=True),
            nn.Linear(1024, int(torch.prod(torch.tensor(img_shape)))),
            nn.Tanh())
        self.img_shape = img_shape

    def forward(self, noise, labels):
        # 将噪声和标签嵌入拼接作为输入
        c = self.label_embedding(labels)
        x = torch.cat((noise, c), -1)
        img = self.model(x)
        return img.view(img.size(0), *self.img_shape)

class Discriminator(nn.Module):
    def __init__(self, num_classes, img_shape):
        super().__init__()
        self.label_embedding = nn.Embedding(num_classes, num_classes)

        self.model = nn.Sequential(nn.Linear(int(torch.prod(torch.tensor(img_shape))) + num_classes, 1024),
            nn.LeakyReLU(0.2, inplace=True),
            nn.Dropout(0.3),
            nn.Linear(1024, 512),
            nn.LeakyReLU(0.2, inplace=True),
            nn.Dropout(0.3),
            nn.Linear(512, 256),
            nn.LeakyReLU(0.2, inplace=True),
            nn.Dropout(0.3),
            nn.Linear(256, 1),
        )

    def forward(self, img, labels):
        # 将图像展平和标签嵌入拼接作为输入
        c = self.label_embedding(labels)
        x = torch.cat((img.view(img.size(0), -1), c), -1)
        return self.model(x)