10.19768/j.cnki.dgjs.2023.06.022
基于DAGAN的电气设备小样本红外图像生成技术与应用
面向电力设备的红外图像由于其高度敏感性和机密性,缺乏公开数据集,严重制约了面向电力红外图像的深度学习目标检测网络的发展.针对该问题,使用改进后的数据增强生成对抗网络(DAGAN)对数据进行扩充.首先改变其生成器结构,提出一种全新的生成器结构M U L-U-ResNet3+,该结构对网络结构和残差模块都进行了优化,U-Net结构优化为MUL-U-Net3+结构,并将其残差块改变为SandGlass模块,另外其损失函数的梯度惩罚改变为随机梯度惩罚,从而降低网络训练的难度.使用某220 kV和某500 kV变电站的数据对该算法进行测试,试验结果表明数据扩充后的样本在目标检测中有了更好的效果.
生成对抗网络、电力设备红外图像、目标检测
TM07(一般性问题)
2023-05-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
76-79