基于多尺度生成式对抗网络的SAR飞机数据集增广

针对SAR图像数据获取困难的问题,提出一种基于单幅图像训练的多尺度生成式对抗网络,并应用于SAR飞机图像的增广.由于原始的生成式对抗网络设置单一尺度卷积核,仅获得图像在固定感受野下的特征分布,因此,在对抗网络中融入多尺度分组卷积,可以从不同尺度挖掘图像的分布特征,增加生成图像的细节信息,其结果是通过训练得到400幅新的SAR飞机图像样本,并使用Faster R-CNN以及图像质量评价指标对增广数据集进行验证.实验结果表明:生成图像的质量评价指标满足图像检测的需求;使用Faster R-CNN算法结合生成式对抗网络数据增广使得平均检测精度由73.5％提升至77.6％.