• 北大核心期刊(《中文核心期刊要目总览》2017版)
  • 中国科技核心期刊(中国科技论文统计源期刊)
  • JST 日本科学技术振兴机构数据库(日)收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于改进DCGAN的汽车冷凝器图像生成方法

陆顺成 姜小峰 石奇

陆顺成, 姜小峰, 石奇. 基于改进DCGAN的汽车冷凝器图像生成方法[J]. 微电子学与计算机. doi: 10.19304/J.ISSN1000-7180.2021.1216
引用本文: 陆顺成, 姜小峰, 石奇. 基于改进DCGAN的汽车冷凝器图像生成方法[J]. 微电子学与计算机. doi: 10.19304/J.ISSN1000-7180.2021.1216

基于改进DCGAN的汽车冷凝器图像生成方法

doi: 10.19304/J.ISSN1000-7180.2021.1216
  • 摘要: 汽车冷凝器表面缺陷检测是汽车制造过程中的重要组成环节,目前因深度学习的方法具有良好的鲁棒性和准确率而被广泛地应用在工业缺陷图像检测领域.但在实际生产中良品率较高,缺陷图像难以收集,使得基于大规模训练样本的深度学习方法遇到瓶颈.针对上述问题,文中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,用于汽车冷凝器表面缺陷图像的生成.首先在DCGAN中引入自注意力机制,克服了卷积网络长距离特征提取的问题;其次,在判别器中加入一个监督分类器并修改损失函数为带分类器交叉熵损失的Wasserstein距离,提高了模型的收敛速度和稳定性;最后,使用条件归一化和类别标签融合的方式,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冷凝器缺陷图像,fid值达到了44.35,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.

     

  • 加载中
计量
  • 文章访问数:  229
  • HTML全文浏览量:  23
  • PDF下载量:  22
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-11-03
  • 录用日期:  2021-11-30
  • 修回日期:  2021-11-30
  • 网络出版日期:  2021-12-13

目录

    /

    返回文章
    返回