使用GAN来进行CV数据增强（一）

一.论文

• Unlabeled Samples Generated by GAN Improve the Person Re-identification Baseline in vitro
• 论文代码：layumi/Person-reID_GAN

二.论文概述

• 使用原始数据训练DCGAN，然后根据得到的模型产生新的数据作为扩充数据用于训练
• 设计LSRO(label smoothing regularization for outliers)损失函数，将DCGAN产生的数据的label分布标为均匀分布，比如为3分类，其lable为[1/3,1/3,1/3].
• 加入了DCGAN产生的扩充数据，并使用LSRO后，性能在Market-1501, CUHK03, DukeMTMC-reID上能分别提升4.37%, 1.6%, 2.46%

三.论文细节

1) DCGAN[1]

• PART1：产生器，100维的随机向量，扩充到4*4*16；之后继续扩大，通过5个反卷积，5*5的卷积核并且stride为2.额外的，一个可选的反卷积核使用的是5*5大小且stride为1的卷积核。最后出来的是128*128*3的图片。
• PART2：生成器使用的是5个卷积层.卷积核大小也是5*5，stride为2
• backbone用的是resne