基于NVAE和OB-Mix的小样本数据增强方法

来源：计算机工程与应用杂志2024年第2期北京时间：

作者：杨玮, 钟名锋, 杨根, 侯至丞, 王卫军, 袁海

单位：1.陕西科技大学 机电工程学院，西安 710021；2.广州先进技术研究所 机器人与智能装备中心，广州 510000；3.中南大学 机电工程学院，长沙 410083；4.广东技术师范大学 自动化学院，广州 510000

摘要：由于深度学习模型对海量标注数据的依赖性较高，导致目前许多前沿性目标检测理论难以适用于工业检测领域。为此，提出一种基于NVAE图像生成和OB-Mix数据增强的小样本数据扩充方法。具体方法是通过NVAE构建检测目标的数据分布模型，再通过采样潜变量的方式生成与真实目标图像属于同一分布的全新目标图像。在得到生成目标图像后，提出了OB-Mix数据增强策略，将生成目标图像与背景图像进行随机位置融合以构建出新的图像数据，从而提高网络的定位能力及泛化能力。方法在仅使用474张标注图像以及400张无检测目标的背景图像情况下，使YOLOv5的检测精确率达到95.86%，相比于不使用该方法的结果提高了17.60个百分点。

关键词：数据增强,小样本,数据生成,新派变分自编码器（NVAE）,表面缺陷检测,深度学习