首页> 中文期刊> 《微电子学与计算机》 >基于改进DCGAN的汽车冷凝器图像生成方法

基于改进DCGAN的汽车冷凝器图像生成方法

         

摘要

深度学习方法在工业产品图像缺陷检测领域取得进展,但是大量的缺陷数据难以收集.针对在生成汽车冷凝器缺陷图像过程中存在生成质量低、无法按缺陷类别生成,模型收敛缓慢等问题,将生成对抗网络应用于缺陷图像的生成,提出了一种基于半监督和自注意力机制的深度卷积生成对抗网络(DCGAN)模型用于生成汽车冷凝器外观缺陷图像.在DCGAN中引入自注意力机制,克服卷积网络长距离特征提取的问题,提高了生成样本的质量;通过半监督学习,在无监督判别器中加入监督辅助分类器,并将分类器的交叉熵损失和梯度惩罚加入到判别器的损失函数中,提高了模型的收敛速度和稳定性;使用条件归一化调整卷积层参数,并将图像的缺陷类别信息嵌入到判别器中,提高了生成样本的多样性,使得模型能够生成特定缺陷的冷凝器图像.实验结果表明,所提出的模型能够生成高质量的汽车冷凝器缺陷图像,fid值达到了43.7,优于现有的DCGAN和SAGAN。与ACGAN相比,生成图像的多样性相比也有明显提高.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号