基于Cycle-GAN的绝缘子图像生成方法

• 作者: 刘洪吉 杨凯 王金娜 翟永杰 苏杰
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 循环一致性生成对抗网络 图像生成 深度学习 绝缘子检测
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 高电压与绝缘
• 页码范围: 100-108
• 页数: 9页
• 分类号: TM216|TP391.41
• 字数: 4768字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2020.001.013

摘要

深度学习模型应用于输电线路绝缘子目标检测时,在训练样本方面存在公开样本集缺乏和优质样本不足的问题,为此提出一种基于循环一致性生成对抗网络(cycle-generative adversarial networks,Cycle-GAN)的绝缘子图像生成方法.首先分析绝缘子样本集,对绝缘子图像基于背景色彩特征进行风格域划分;之后在划分好的绝缘子风格域样本集基础上,采用Cycle-GAN生成绝缘子图像样本;最后,搭建分类网络验证生成图像用于扩充的有效性,并进一步探究了生成图像不同扩增比例对分类性能的影响.结果 表明:绝缘子生成样本可一定程度上替代真实样本;生成图像不同扩充比例对网络性能影响不同,当扩充比例在40％～50％时,分类网络性能提升效果最佳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏杰	华北电力大学自动化系	51	235	9.0	13.0
2	翟永杰	华北电力大学自动化系	92	1421	19.0	35.0
3	杨凯	华北电力大学自动化系	21	143	6.0	11.0
4	刘洪吉		3	0	0.0	0.0
5	王金娜	华北电力大学自动化系	1	0	0.0	0.0