تولید پایگاهها داده تصاویر یکی از ضروریات بینایی ماشین به شمارمیرود. روشهایمختلفی مثل چرخش، تغییر روشنایی و زاویه دید، تغییر اندازه و غیره، برایافزایشدادههایتصویری وجود دارد. عیب این روشها آن است که تصاویر تولید شده خیلی شبیه به تصاویر اولیه است و برایجلوگیری از بیشبرازش کفایت نمی کند. شبکه های موادتخاصمی هم از همین مشکل برخوردار است. از بین همه انواع تصاویر، تصاویر بافتی چالشهایبیشتری دارند. چراکه تصاویربافتی را نمیتوان مانند تصاویر معمولی با دوربین تصویربرداری تهیه کرد زیرا بافت به راحتی در همه جا در دسترس نیست و هر نوع تصویری دارایبافت نیست. امروزه شبکه های عصبی عمیق به داده های حجیم برای آموزش نیاز دارند. در حال حاضر داده حجیم بافتی وجود ندارد. با استفاده از روش پیشنهادی می توان مجموعه داده های بافتی حجیم تهیه کرد. در این تحقیق بااستفاده ازضرایب کانولوشن شبکههایعمیق پیش آموزشداده شده بافت جدید تولید میشود. در این روش با اعمال گرادیانصعودی به تصاویر حاصل از فیلترهایکانولوشن، تصاویر بافتی جدید بطور مصنوعی تولید می شود. تفاوت این روش با روشهایمولد آن است که این روش نیاز به تصاویر اولیه ندارد بلکه در اینجا کلاس جدید بافتی تولید می گردد. پس از تولید بافت جدید، با روشهایپردازشتصویر تعداد آن افزایشداده می شود. این روش بین 3 تا 5 برابر سریعتر از چند شبکه مولد مشهور است. کیفیت تصاویر هم خیلی بهتر است. یک نمونه پایگاه داده بافتی تولید شده است که شامل2400 تصویر در 80 کلاس می باشد و در سایت kaggle بارگذاری شده است.
