为了解决传统数据集采集困难、部分数据对环境要求高等问题，提出一种基于AI制图的图像数据集扩展方法并通过实验证明其可行性。验证实验以改进后的残差网络(residual network,Res Net)为基础，采用等间距学习率调整法实现模型优化，同时使用原数据集进行对照实验。实验结果表明：利用AI生成图像作为数据集的方法是具备可行性的，该方法准确率相较于样本较少的数据集提高了9.3%，与作为对照的原数据集训练的模型相比提高了7.8%。
科研之友
微信
新浪微博
Facebook
分享链接
