基于DC-SR GAN的钢板表面缺陷样本生成方法研究
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