典型文献
基于改进DCGAN的汽车冷凝器图像生成方法
文献摘要：
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.
文献关键词：
生成对抗网络;半监督学习;自注意力机制;条件归一化;图像生成;缺陷检测
中图分类号：
作者姓名：
陆顺成;姜小峰;石奇
作者机构：
苏州大学计算机科学与技术学院,江苏苏州215000
文献出处：
引用格式：
[1]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,2022(05):71-77
A类：
条件归一化,fid,SAGAN
B类：
DCGAN,冷凝器,图像生成,生成方法,深度学习方法,工业产品,缺陷检测,检测领域,缺陷数据,网络应用,图像的生成,自注意力机制,深度卷积生成对抗网络,外观缺陷,卷积网络,长距离,距离特征,过半,半监督学习,无监督,判别器,入监,辅助分类器,交叉熵损失,梯度惩罚,损失函数,收敛速度,使用条件,整卷,卷积层,类别信息,成特定,ACGAN,成图
AB值：
0.308949
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。
