数据有限的变分自编码器

Question

我正在做一个二元分类项目，我正在使用 VAE（变分自动编码器）通过为少数类生成新样本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。

在少数类上训练 VAE 模型后，我为该类生成了新样本并将它们添加到训练集中，然后我训练了两个分类模型，一个在不平衡数据上训练的模型（仅训练集）和第二个一个用训练集 + 由 VAE 生成的数据训练）。问题是第一个模型比第二个模型给出的结果更好（f1-score，Roc auc...），我认为问题可能是因为 VAE 训练的数据量有限。

请帮忙。

Answer 1

虽然 500 个训练图像不足以从 VAE 生成多样化的图像，但您仍然可以尝试生成一些图像。最好取 10 个不同图像（甚至更多）的潜在值并将其传递给解码器（如果你已经这样做了，请忽略它。如果你正在使用其他方法，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别。这可以帮助您生成任何特定类的图像。