基于改进ACGAN的钢表面缺陷视觉检测方法
为提高小样本环境下钢表面缺陷检测精度,提出一种基于改进辅助分类生成对抗网络(Auxiliary classifier generative adversarial network,ACGAN)的钢表面缺陷检测方法.利用残差块优化ACGAN的网络结构,提高模型的特征提取能力;其次,为提高模型训练的稳定性,在网络的卷积层中添加谱范数归一化,防止模型异常的梯度变化;基于正-未标记分类的思想优化判别器的损失函数,提高生成样本的质量;同时,为缓解生成对抗网络的模式崩塌问题,在损失函数中添加梯度惩罚来约束判别器的梯度;通过生成器和判别器的对抗优化训练实现样本扩充.通过对钢表面缺陷数据集的试验,验证了提出的方法能准确有效地实现小样本环境下钢表面缺陷检测.与经典的SVM、ResNet50以及一些小样本分类模型相比,所提方法具有更高的检测精度.
钢表面缺陷检测、辅助分类生成对抗网络、小样本、梯度惩罚
58
TP29(自动化技术及设备)
国家自然科学基金;国家自然科学基金;江苏省市场监督管理局科技计划资助项目
2023-04-25(万方平台首次上网日期,不代表论文的发表时间)
共9页
32-40