有限数据变分自动编码器

Question

我正在进行一个二进制分类项目，通过为少数类生成新的样本，使用VAE (变分自动编码器)来处理两个类之间的不平衡。

第一类(多数类)包含20000个样本，第二类(少数类)包含500个样本。

在对少数民族班级的VAE模型进行训练后，为该类生成了新的样本，并将它们添加到训练集中，然后对两个分类模型进行了训练，一个是关于不平衡数据(仅训练集)的训练模型，另一个是用VAE生成的训练集+数据训练的模型。问题是第一个模型比第二个模型给出的结果更好(F1分数，Roc auc.)，我认为问题可能是因为VAE训练的数据数量有限。

有什么帮助吗。

Answer 1

虽然500个训练图像还不足以从VAE中生成多样化的图像，但是您仍然可以尝试制作一些。最好是对10个不同图像(甚至更多)的潜在用户进行处理，并将其传递给解码器(如果您已经在这样做了，请忽略它。如果你正在做其他的方法，试试这个)。

如果它仍然不起作用，那么，我建议您在整个数据集上构建一个条件VAE。在条件VAE中，您使用标签来训练VAE，这样您的模型不仅可以学习重建，还可以学习它正在重建的图像类型。这将帮助您生成任何特定类的图像。