10.15988/j.cnki.1004-6941.2023.1.012
基于DC-SR GAN的钢板表面缺陷样本生成方法研究
针对在工业检测领域常见的数据集相对较少、缺陷分布明显不均的场景,本文以钢板表面缺陷为研究对象,将生成对抗网络技术应用于工业缺陷样本数据集的扩充.首先,基于深度卷积对抗神经网络DCGAN生成各类缺陷图像进行扩充,再将生成的各类缺陷分别送入超分辨率重建生成对抗网络SRGAN进行图片增强.为了定量评价图像生成效果,本文设计了一个分类用残差网络,评判缺陷样本的生成真实度,并分别对传统DCGAN网络生成图像和本文提出的DC-SR GAN模型生成图像进行对比评估.
表面缺陷、深度学习、对抗生成网络、图像分类
50
TG115.28(金属学与热处理)
2023-03-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
37-40