基于改进DCGAN的汽车冷凝器图像生成方法

• 作者: 陆顺成 姜小峰 石奇
• 来源期刊: 微电子学与计算机
• 学科: 工学
• 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
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 71-77
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19304/J.ISSN1000-7180.2021.1216

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。