基于双通道生成对抗网络的镜片缺陷数据增强

摘要：

针对小样本条件下深度学习缺陷检测算法识别率较低的问题,提出一种基于双通道生成对抗网络的数据增强方法.由全局鉴别层和局部鉴别层两通道组成生成对抗网络,其中局部鉴别器可以增加缺陷类型的置信度损失,实现对局部信息的增强.采用所提方法在镜片缺陷图像数据集上进行实验.实验结果表明,所提方法的最近邻留一指标、最大均值差异和Wasserstein距离分别达到0.52、0.15和2.81;对于麻点、划痕、气泡和异物的缺陷类型图像,生成的图像质量优于条件生成对抗网络、Wasserstein距离生成对抗网络和马尔科夫判别器.双通道生成对抗网络生成的镜片图像有着多样性的全局信息和高质量的细节特征,可以有效增强镜片缺陷数据集.

关键词：机器视觉、神经网络、数据增强、生成对抗网络、缺陷检测、镜片缺陷、计算机视觉

所属期刊栏目：58

分类号：TP391.9;TH165+.4(计算技术、计算机技术)

资助基金：吉林省科技发展计划20200404157YY

在线出版日期：2021-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：348-356