ISSN 1004-6941 CN51-1412/TB| 中国核心期刊(遴选)数据库源期刊| 万方数据-数字化期刊源期刊| 中国学术期刊(光盘版)入选期刊| 中国学术期刊全文数据库全文收录期刊

2023年第1期

基于DC-SR GAN的钢板表面缺陷样本生成方法研究

国家标准学科分类代码:460.4020 | 中图分类号:TG115.28 | 文献标识码:A | DOI:10.15988/j.cnki.1004-6941.2023.1.012
分享

基于DC-SR GAN的钢板表面缺陷样本生成方法研究

李伟鑫 樊蓓蓓

上海大学机电工程与自动化学院

摘要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

关键词表面缺陷深度学习对抗生成网络图像分类


联系我们Contact Us

名称:计量与测试技术杂志社 地址:成都市双流区物联一路255号 电话:028-84443962 邮编:610021 邮箱:jlcsjs@vip.163.com

微信公众号

蜀ICP备16016517号-1    Copyright © 2019 Metrology & Measurement Technique All Rights Reserved