典型文献
基于改进ACGAN的钢表面缺陷视觉检测方法
文献摘要：
为提高小样本环境下钢表面缺陷检测精度,提出一种基于改进辅助分类生成对抗网络(Auxiliary classifier generative adversarial network,ACGAN)的钢表面缺陷检测方法.利用残差块优化ACGAN的网络结构,提高模型的特征提取能力;其次,为提高模型训练的稳定性,在网络的卷积层中添加谱范数归一化,防止模型异常的梯度变化;基于正-未标记分类的思想优化判别器的损失函数,提高生成样本的质量;同时,为缓解生成对抗网络的模式崩塌问题,在损失函数中添加梯度惩罚来约束判别器的梯度;通过生成器和判别器的对抗优化训练实现样本扩充.通过对钢表面缺陷数据集的试验,验证了提出的方法能准确有效地实现小样本环境下钢表面缺陷检测.与经典的SVM、ResNet50以及一些小样本分类模型相比,所提方法具有更高的检测精度.
文献关键词：
钢表面缺陷检测;辅助分类生成对抗网络;小样本;梯度惩罚
中图分类号：
作者姓名：
李可;祁阳;宿磊;顾杰斐;苏文胜
作者机构：
江南大学机械工程学院 无锡 214122;江苏省特种设备安全监督检验研究院 南京 210003
文献出处：
引用格式：
[1]李可;祁阳;宿磊;顾杰斐;苏文胜-.基于改进ACGAN的钢表面缺陷视觉检测方法)[J].机械工程学报,2022(24):32-40
A类：
辅助分类生成对抗网络
B类：
ACGAN,视觉检测,高小,小样本,钢表面缺陷检测,检测精度,Auxiliary,classifier,generative,adversarial,network,缺陷检测方法,残差块,特征提取能力,模型训练,卷积层,范数,梯度变化,记分,优化判别,判别器,损失函数,崩塌,梯度惩罚,生成器,样本扩充,缺陷数据,确有,ResNet50,些小,分类模型
AB值：
0.312864
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
