针对深度学习模型在实际应用场景中预测性能下降的问题，提出了一种基于风格迁移的数据增强方法。首先，使用少量原始数据和少量实际应用场景下的未标注数据学习风格迁移模型。然后，对大量已标注的原始数据进行风格迁移，得到与实际数据风格相近的大量有标签数据。最后，基于此数据训练面向实际应用场景的深度学习模型。实验结果表明，所提出的方法能有效地提升模型在实际应用场景数据上的预测性能，且效果优于传统数据增强方法。
科研之友
微信
新浪微博
Facebook
分享链接
