改進(jìn)CycleGAN的鋼材表面缺陷圖像生成方法

打開(kāi)文本圖片集

摘 要：針對(duì)工業(yè)鋼材表面缺陷檢測(cè)過(guò)程中存在的樣本采集困難、成本較高，以及缺陷種類(lèi)較多難以覆蓋全部導(dǎo)致的小樣本問(wèn)題，提出一種改進(jìn)循環(huán)生成對(duì)抗網(wǎng)絡(luò)（cycle-consistent generative adversarial networks， CycleGAN）的鋼材表面缺陷圖像生成方法。首先，將通道注意力（class activation map， CAM）和空間注意力（spatial attention map， SAM）機(jī)制嵌入到CycleGAN模型中，增強(qiáng)模型的特征提取能力；其次，引入權(quán)重解調(diào)（weight demodulation， WD）機(jī)制修復(fù)特征偽影和白斑，進(jìn)一步提高生成圖像的質(zhì)量；再次，引入形狀一致性損失對(duì)生成器訓(xùn)練過(guò)程進(jìn)行監(jiān)督，解決圖像幾何變換過(guò)程中內(nèi)在模糊性問(wèn)題；最后，將改進(jìn)前后的模型在NEU-DET數(shù)據(jù)集上進(jìn)行試驗(yàn)。（剩余13680字）