[发明专利]一种基于对抗生成网络的金属轴缺陷图像生成方法在审
| 申请号： | 201910099010.8 | 申请日： | 2019-01-31 |
| 公开（公告）号： | CN109840908A | 公开（公告）日： | 2019-06-04 |
| 发明（设计）人： | 计时鸣;郑启明;蔡超鹏;黄程;张利 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 杭州浙科专利事务所(普通合伙) 33213 | 代理人： | 吴秉中 |
| 地址： | 310014 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于对抗生成网络的金属轴缺陷图像生成方法，包括如下步骤：将一组随机噪声数组赋给对抗生成模型中还未经训练的生成模型G，通过生成模型G生成一组金属轴缺陷图像的假样本集集；通过人为标定的方法，将生成的金属轴缺陷图像的假样本集集定义类标签，其中类标签1代表真样本集，类标签0代表假样本集；将标记了类标签1的金属轴缺陷图像的假样本集集通过鉴别模型D进行判别；在生成模型G训练完后，根据用新的生成模型对先前的噪声Z生成新的金属轴缺陷图像假样本集，此时生成的假样本集更接近真样本；循环步骤二、步骤三和步骤四的过程，最终达到稳态。本发明可以能够获得无限且丰富的缺陷图像数据。 | ||
| 搜索关键词： | 缺陷图像 样本集 金属轴 生成模型 标签 对抗 鉴别模型 随机噪声 循环步骤 标定 数组 稳态 噪声 样本 网络 | ||
【主权项】：
1.一种基于对抗生成网络的金属轴缺陷图像生成方法，其特征在于：包括如下步骤：步骤一：将一组随机噪声数组赋给对抗生成模型中还未经训练的生成模型G，通过生成模型G生成一组金属轴缺陷图像的假样本集；假样本集为生成模型G生成的数据集，真样本集为用于与假样本集进行对比的真的金属轴缺陷图像的数据集；步骤二：通过人为标定的方法，将生成的金属轴缺陷图像的假样本集定义类标签，其中类标签1代表真样本集，类标签0代表假样本集；步骤三：将标记了类标签1的金属轴缺陷图像的假样本集通过鉴别模型D进行判别；由于样本集为类标签为1的假样本集，鉴别模型D进行判别时会生成误差，误差回传则使得生成器生成的假样本集逐渐逼近为真样本，从而通过得到的误差完成了对生成模型G的训练；步骤四：在生成模型G训练完后，根据用新的生成模型对先前的噪声Z生成新的金属轴缺陷图像假样本集，此时生成的假样本集更接近真样本；步骤五：得到的新金属轴缺陷图像假样本集继续循环步骤二、步骤三和步骤四的过程，在这鉴别模型D和生成模型G训练的过程中，鉴别模型D和生成模型G的能力越来越强，最终达到稳态。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江工业大学，未经浙江工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910099010.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于深度学习的钢轨磨损检测方法
- 下一篇：一种坩埚气泡计数装置及计数方法
