用于绝缘子故障检测的CycleGAN小样本库扩增方法研究

摘要：

在深度学习的训练中,绝缘子检测需要大量的故障绝缘子,而实际难以获得大量故障绝缘子数据.生成对抗网络为扩增训练样本提供了可行的解决办法.在循环一致性生成对抗网络(CycleGAN)结构上补充缺陷绝缘子样本,通过更改损失函数来优化模型,将正向生成器生成的图像,输入到反向生成器,保持样本整体轮廓的同时,增加了差异性.将改进的CycleGAN模型与其他GAN模型在SSD目标检测方法中进行比较,结果表明改进的CycleGAN扩增数据集的方法相较于其他扩增方法在绝缘子掉串检测识别率上有明显提升.

关键词：循环一致性生成对抗网络、绝缘子、样本扩增、风格转换

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：河北省自然科学基金F2018502080

在线出版日期：2022-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：509-515