0、引言
DeepSmote是一种融合深度学习和SMOTE的数据过采样方法,原理类似于GAN网络,可以生成图片数据,解决图片分类不平衡的问题。
在传统不平衡问题中,可以通过对数据进行过采样、欠采样或者混合采样来对数据进行处理,达到平衡数据的目的。但是,这些只是针对于传统一维数据而言。对于图片类型的二维数据来说,传统采样方法已经没有办法用来解决二维数据的类不平衡问题。
为了解决这样的问题,DeepSmote将深度网络和经典过采样方法 (SMOTE) 结合在一起,共同解决了图片的类不平衡问题。主要思路为:
- 将图片数据编码为一维结构
- 通过SMOTE过采样方法对一维数据进行采样
- 对一维结构进行解码,得到对应的二维数据
论文地址:https://ieeexplore.ieee.org/document/9694621
代码地址:DeepSmote
1、网络结构
DeepSmote的主体网络结构为一个编码器(Encoder)和一个解码器(Decoder)。主体思路为:通过编码器进行编码,将数据降为一维结构