基于改进SinGAN的电力线巡检异物数据增强技术

• 作者: 宋立业 王诗翱 刘昕明 刘卫东
• 来源期刊: 电子测量与仪器学报
• 关键词: 电力线巡检 异物识别 数据集增强 生成式对抗网路
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 学术论文|PAPERS
• 页码范围: 165-173
• 页数: 9页
• 分类号: TM769|TN98
• 语种: 中文
• DOI: 10.13382/j.jemi.B2003219

摘要

针对电力线异物识别模型能使用的数据集较少,并且传统单幅自然图像的生成式模型(SinGAN)模型生成数据与异物识别模型匹配度不高、质量不佳、耗时过久的问题,提出了改进SinGAN模型.在改进SinGAN模型基础上加入仿射变换单元、大小变换单元进一步增强数据集,加入图像滤波单元提高电力线异物识别模型所需数据质量.并通过改进SinGAN反向传播训练过程和SinGAN的单精度生成器结构提升模型生成质量,减少所用时长.实验结果表明,经50次实验后,改进SinGAN的平均弗雷谢特起始距离(Fréchet inception distance,FID)为91.375,平均训练时长1.21 h.分别比传统SinGAN降低了27.247％和87.31％.改进SinGAN与其他主流生成式对抗网络相比有更好的异物数据生成能力,可以增强电力线异物识别模型所需数据,具有优越性.