典型文献
基于生成对抗网络的小样本激光焊接缺陷数据集生成
文献摘要:
为了提升深度学习模型在不均衡小样本激光焊接表面缺陷数据集上的性能,优化了小样本数据量输入下的对抗生成网络(Generative Adversarial Network,GAN)模型.通过对比激光焊接缺陷和其他用于测试对抗生成网络的公共数据集在特征复杂度上的区别,设计了一种全新的OCM(one class mixup)模块,并将其引入至针对有限样本的stylegan2-ada中,以提升GAN的性能,加快其收敛.试验结果表明,在分类模型上,通过OCM-stylegan2-ada生成的数据集,比原始数据集性能提升40%,比使用mixup和stylegan2-ada增强后的数据集性能上提升20%,同时生成的焊接缺陷图片质量大幅提升.
文献关键词:
焊接缺陷;对抗生成网络;小样本;不均衡数据集
中图分类号:
作者姓名:
肖思哲;刘振国;闫志鸿;李敏;黄及远
作者机构:
北京机械工业自动化研究所,北京,100120;北京工业大学材料与制造学部,北京,100124
文献出处:
引用格式:
[1]肖思哲;刘振国;闫志鸿;李敏;黄及远-.基于生成对抗网络的小样本激光焊接缺陷数据集生成)[J].焊接学报,2022(10):43-48
A类:
stylegan2
B类:
生成对抗网络,激光焊接,焊接缺陷,缺陷数据,数据集生成,深度学习模型,表面缺陷,小样本数据,数据量,对抗生成网络,Generative,Adversarial,Network,GAN,他用,公共数据,OCM,one,class,mixup,有限样本,ada,分类模型,原始数据,性能提升,图片质量,不均衡数据集
AB值:
0.315133
相似文献
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。