GA-Mixup：一種基于特征對齊插值的樣本增廣方法

摘要：針對復雜特殊環境下樣本數據稀缺的問題，文章提出了一種基于特征對齊插值的樣本增廣方法——GA-Mixup。該方法通過在特征空間內進行幾何對齊和插值，生成融合了不同圖像幾何信息和外觀紋理的新樣本。在多個圖像分類數據集上的實驗結果表明，GA-Mixup相比現有前沿算法，在提升準確率的同時降低了計算成本。例如，在ImageNet數據集上，GA-Mixup的準確率提升了1.82%，計算量降低了1.88至2.03倍。

關鍵詞：樣本增廣；特征對齊；圖像插值；幾何對齊；Mixup

中圖分類號：TP391 文獻標識碼：A

文章編號：1009-3044（2025）09-0018-04 開放科學（資源服務） 標識碼（OSID） ：

4 結論

本文提出了一種基于特征對齊插值的樣本增廣方法GA-Mixup，實驗結果表明，該方法能夠有效提升圖像分類模型在普通場景和復雜特殊環境下的性能，并在計算成本上具有優勢。未來研究可以探索更有效的特征對齊方法，并將其應用于其他計算機視覺任務。