文章目录
1 CGAN的简介为了解决带标签的数据生成问题，研究者们提出了条件生成对抗网络（CGAN）的概念.
CGAN的结构如上图所示，与GAN的主要区别是生成器和判别器的输入数据中都加入类别标签向量（C_vector），生成器的优化目标函数基本上没有变化。
总的来说CGAN在GAN上的改动并不大，但是普通的GAN所生成的内容是随机的，CGAN实现了根据输入标签生成指定类别的内容。
2 应用近年来,卷积神经网络应用于图像分类任务性能优越,多项研究证明卷积神经网络在大规模带有标签的数据集训练下,训练后网络能够取得高精度的识别率或分类效果。然而在某些特殊领域,例如浓雾天气形势图基准数据集,由于多方面因素制约,累积的数据集中样本远小于一般模型常规训练集规模,因此导致训练后的网络出现过拟合现象。为了降低因训练集样本数量过少对训练造成的不良影响,各种扩展数据集样本的数据增强算法被提出并被广泛应用,将数据增强算法应用于小数据集不仅能够提升数据集样本的数量也能提升样本的多样性。本文针对数据集中样本数不足的情况,提