结合注意力机制的相对GAN螺栓图像生成

论文摘要

螺栓缺陷非常容易引起输电线路异常甚至故障,但大量的缺陷数据难以获得。将生成式对抗网络应用于缺陷螺栓图像的生成,针对生成过程中存在的图像质量差、生成样本单一,模型收敛缓慢等问题,提出一种基于改进DCGAN的螺栓图像生成方法。在损失函数中加入相对均值鉴别器和梯度惩罚,平衡了生成器和判别器的能力,提高了样本质量和模型的收敛速度;在模型的生成器和鉴别器中引入注意力机制,捕获图像中长距离的像素特征,提高了缺陷样本的多样性;实验结果验证了改进方法的有效性,IS值提高了0. 1,实现了缺陷样本的扩增。

论文目录

• 0 引言
• 1 生成式对抗网络原理
• 2 研究方法
•   2.1 生成器网络
•   2.2 鉴别器网络
•   2.3 改进损失函数
•   2.4 注意力机制
• 3 实验结果与分析
•   3.1 螺栓数据集构建
•   3.2 评价指标
•   3.3 结果分析
•     3.3.1 收敛速度
•     3.3.2 样本质量
• 4 结束语

文章来源

类型: 期刊论文

作者: 戚银城,郎静宜,赵振兵,江爱雪,聂礼强

关键词: 螺栓,生成式对抗网络,相对均值鉴别器,梯度惩罚,注意力机制

来源: 电测与仪表 2019年19期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,计算机软件及计算机应用

单位: 华北电力大学电气与电子工程学院,山东大学计算机科学与技术学院

基金: 国家自然科学基金资助项目(61871182,61401154,61773160,61302163),北京市自然科学基金项目(4192055),河北省自然科学基金项目(F2016502101,F2017502016,F2015502062),中央高校基本科研业务费专项资金项目(2018MS095,2018MS094),模式识别国家重点实验室开放课题基金(201900051)

分类号: TP391.41;TM75

DOI: 10.19753/j.issn1001-1390.2019.019.011

页码: 64-69

总页数: 6

文件大小: 3982K

下载量: 210