[推荐用于]【每周CV论文推荐】基于GAN的图像数据增强有哪些经典论文值得阅读
热烈欢迎走进《每星期CV学术论文所推荐》。在那个时评里，却是秉持有三AI一贯作风的准则，著眼于让他们能整体性顺利完成自学，因此他们所推荐的该文也倘若是同一个主轴的。
现阶段如前所述GAN的三维影像聚合应用领域的产业发展早已十分成形，GAN不但能用作从零聚合影像统计数据，还能用作对统计数据展开进一步增强，不但是数目上的扩展，还包括统计数据产品质量的提高，此次他们给他们所推荐许多值得称赞写作的该文。
译者&撰稿 | 言有三
1 统计数据扩充BAGAN与DAGAN
在广度自学数学模型体能训练中，高效率的统计数据是必不可少的，而统计数据的不均衡难题时常存有因此所苦数学模型的普遍化潜能。难道GAN能用作统计数据聚合，因此将其用作少类统计数据扩展展开统计数据进一步增强是众所周知应用应用领域，BAGAN和DAGAN是指标性的组织工作。
该文提及量：1000+
所推荐成分股：?
[1] Mariani G, Scheidegger F, Istrate R, et al. Bagan: Data augmentation with balancing gan[J]. arXiv preprint arXiv:1803.09655, 2018.
[2]?Antoniou A, Storkey A, Edwards H. Data augmentation generative adversarial networks[J]. arXiv preprint arXiv:1711.04340, 2017.
2 统计数据模拟SimGAN
这是Apple子公司刊登的第一篇机器自学科学研究学术论文，光是这一点就值得称赞他们关注，本组织工作内容是使用GAN来展开眼球统计数据进一步增强，使模拟的统计数据更像真实统计数据，从而降低真实统计数据获取的成本。Google也提出了类似用途的组织工作GazeGAN。
该文提及量：1700+
所推荐成分股：?
[3] Shrivastava A, Pfister T, Tuzel O, et al. Learning from simulated and unsupervised images through adversarial training[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2017: 2107-2116.
[4] Sela M, Xu P, He J, et al. Gazegan-unpaired adversarial image generation for gaze estimation[J]. arXiv preprint arXiv:1711.09767, 2017.
3?单样本统计数据聚合SinGAN
SinGAN是一个十分经典之作的one-shot多尺度影像聚合框架，它能如前所述单张影像展开体能训练，体能训练后的数学模型能聚合新的影像，新的影像与体能训练影像有类似的几何结构与纹理信息，十分适合用作自然影像聚合。
该文提及量：500+
所推荐成分股：?
[5] Shaham T R, Dekel T, Michaeli T. Singan: Learning a generative model from a single natural image[C]//Proceedings of the IEEE/CVF International Conference on Computer Vision. 2019: 4570-4580.
4 医学应用领域应用应用领域
医学应用领域是一个众所周知的缺少统计数据因此标注成本较高的行业，因此GAN在其中有较多的应用应用领域。比如通过基本的统计数据进一步增强方法和GAN框架联合体能训练，科学研究者将其用作肝损伤（liver lesion）医学影像聚合，然后用作分类任务。通过输入影像和掩膜监督聚合视网膜光学相干断层扫描（retinal optical coherence tomography，OCT）影像，然后用作分割任务。更多的组织工作请他们自行了解。
该文提及量：2000+
所推荐成分股：?
[6] Frid-Adar M, Diamant I, Klang E, et al. GAN-based synthetic medical image augmentation for increased CNN performance in liver lesion classification[J]. Neurocomputing, 2018, 321: 321-331.
[7] Mahapatra D, Bozorgtabar B, Shao L. Pathological retinal region segmentation from oct images using geometric relation based augmentation[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2020: 9611-9620.
5 如何展开实战
为了帮助他们掌握如前所述GAN的影像与视频聚合理论与实战！他们推出了相关的时评课程《广度自学之影像聚合GAN：理论与实践》，感兴趣能进一步写作：
【视频课】CV必学，超6小时，2大模块，循序渐进地搞懂GAN影像聚合！
总结
此次他们介绍了如前所述GAN的影像统计数据进一步增强的许多方法，这是GAN在影像聚合应用领域十分好的业务落地场景，尤其是对于缺少统计数据的许多特定方向，感兴趣的朋友能通过写作这些该文展开初步了解。
有三AI- CV秋季划GAN组
如果想要永久整体性地跟随他们社区自学GAN的相关内容，请关注有三AI-CV秋季划GAN组，写作了解下文：
【CV秋季划】聚合对抗网络GAN有什么样科学研究和应用应用领域，如何循序渐进地自学好（2022年言有三一对一辅导）？
转载该文请后台联系
侵权必究
往期相关精选
【每星期CV学术论文所推荐】 掌握残差网络必读的10多篇该文
【每星期CV学术论文所推荐】 初学者必须精读的5篇广度自学优化相关该文
【每星期CV学术论文所推荐】 CV应用领域中统计数据进一步增强相关的学术论文所推荐
【每星期CV学术论文所推荐】 初学高效率CNN数学模型设计应该读的该文
【每星期CV学术论文所推荐】 初学目标检测必须要读的该文
【每星期CV学术论文所推荐】 初学广度自学影像分割必须要读的该文
【每星期CV学术论文】初学实例分割需要读什么样该文？
【每星期CV学术论文所推荐】 初学GAN必须要读的该文
【每星期CV学术论文所推荐】 广度自学人脸检测入门必读该文
【每星期CV学术论文所推荐】 初学广度自学人脸关键点检测必读该文
【每星期CV学术论文所推荐】 初学广度自学人脸识别和验证必读该文
【每星期CV学术论文所推荐】 初学广度自学人脸属性分析必读的该文
【每星期CV学术论文所推荐】 初学活体检测与伪造人脸检测必读的该文
【每星期CV学术论文所推荐】 初学广度自学单张影像三维人脸重建需要读的该文
【每星期CV学术论文所推荐】 人脸识别剩下的难题：从遮挡，年龄，姿态，妆造到亲属关系，人脸攻击
【每星期CV学术论文所推荐】换脸算法都有什么样经典之作的思路？
【每星期CV学术论文所推荐】初学人脸属性撰稿都有什么样值得称赞写作的学术论文？
【每星期CV学术论文】广度自学文本检测与识别入门必读该文
【每星期CV学术论文】广度自学影像降噪应该从写作什么样该文开始
【每星期CV学术论文】初学GAN影像风格化必须要读的该文
【每星期CV学术论文】初学广度自学影像超分辨应该要读的该文
【每星期CV学术论文】初学广度自学影像对比度进一步增强应该要读的该文
【每星期CV学术论文】初学广度自学影像修复应该要读的该文
【每星期CV学术论文】初学广度自学影像风格化要读的该文
【每星期CV学术论文所推荐】初学数学模型可视化分析有什么样值得称赞写作的学术论文？
【每星期CV学术论文所推荐】GAN与VAE的结合，有什么样必读的学术论文？
【每星期CV学术论文所推荐】初学视频分类与行为识别有什么样值得称赞写作的学术论文？
【每星期CV学术论文所推荐】初学视觉注意力机制有什么样值得称赞写作的学术论文？
【每星期CV学术论文所推荐】StyleGAN人脸属性撰稿有什么样经典之作学术论文需要写作
【每星期CV学术论文所推荐】初学如前所述GAN的视频聚合有什么样经典之作学术论文需要写作
【每星期CV学术论文所推荐】初学如前所述GAN的三维影像聚合有什么样经典之作学术论文需要写作
