期刊文献+
共找到100篇文章
< 1 2 5 >
每页显示 20 50 100
基于改进DCGAN的数据增强方法 被引量:21
1
作者 甘岚 沈鸿飞 +1 位作者 王瑶 张跃进 《计算机应用》 CSCD 北大核心 2021年第5期1305-1313,共9页
针对小样本数据在深度学习中训练难的问题,为提高DCGAN训练效率,提出了一种改进的DCGAN算法对小样本数据进行增强。首先,使用Wasserstein距离替换原模型中的损失模型;其次,在生成网络和判别网络中加入谱归一化,以得到稳定的网络结构;最... 针对小样本数据在深度学习中训练难的问题,为提高DCGAN训练效率,提出了一种改进的DCGAN算法对小样本数据进行增强。首先,使用Wasserstein距离替换原模型中的损失模型;其次,在生成网络和判别网络中加入谱归一化,以得到稳定的网络结构;最后,通过极大似然估计算法和实验估算得到样本的最佳噪声输入维度,从而提高生成样本的多样性。在MNIST、Celeb A和Cartoon这三个数据集上的实验结果表明:改进后的DCGAN所生成样本的清晰度以及识别率比改进前均得到了明显提高,其中平均识别率在这几个数据集上分别提高了8.1%、16.4%和16.7%,几种清晰度评价指标在各数据集上均有不同程度的提高。可见该方法能够有效地实现小样本数据增强。 展开更多
关键词 小样本 数据增强 dcgan Wasserstein距离 谱归一化 内在维数
下载PDF
一种新型卷积神经网络植物叶片识别方法 被引量:15
2
作者 朱良宽 晏铭 黄建平 《东北林业大学学报》 CAS CSCD 北大核心 2020年第4期50-53,共4页
为提高植物叶片识别的准确率及减少计算代价,在Pytorch框架下提出一种融合了深度卷积生成式对抗网络(DCGAN)和迁移学习(TL)的新型卷积神经网络叶片识别方法。首先,对植物叶片图像进行预处理,通过DCGAN对样本数据库扩充;其次,利用迁移学... 为提高植物叶片识别的准确率及减少计算代价,在Pytorch框架下提出一种融合了深度卷积生成式对抗网络(DCGAN)和迁移学习(TL)的新型卷积神经网络叶片识别方法。首先,对植物叶片图像进行预处理,通过DCGAN对样本数据库扩充;其次,利用迁移学习将Inception v3模型应用于图像数据处理上,以提高植物叶片识别的准确率;最后,通过对比实验对该方法的有效性进行验证。结果表明:该方法可以获得96.57%的植物叶片识别精度,同时参数训练的迭代次数由4000次缩短到560次。 展开更多
关键词 dcgan 数据扩充 图像识别 迁移学习 卷积神经网络
下载PDF
A Method for Improving CNN-Based Image Recognition Using DCGAN 被引量:12
3
作者 Wei Fang Feihong Zhang +1 位作者 Victor S.Sheng Yewen Ding 《Computers, Materials & Continua》 SCIE EI 2018年第10期167-178,共12页
Image recognition has always been a hot research topic in the scientific community and industry.The emergence of convolutional neural networks(CNN)has made this technology turned into research focus on the field of co... Image recognition has always been a hot research topic in the scientific community and industry.The emergence of convolutional neural networks(CNN)has made this technology turned into research focus on the field of computer vision,especially in image recognition.But it makes the recognition result largely dependent on the number and quality of training samples.Recently,DCGAN has become a frontier method for generating images,sounds,and videos.In this paper,DCGAN is used to generate sample that is difficult to collect and proposed an efficient design method of generating model.We combine DCGAN with CNN for the second time.Use DCGAN to generate samples and training in image recognition model,which based by CNN.This method can enhance the classification model and effectively improve the accuracy of image recognition.In the experiment,we used the radar profile as dataset for 4 categories and achieved satisfactory classification performance.This paper applies image recognition technology to the meteorological field. 展开更多
关键词 dcgan image recognition CNN SAMPLES
下载PDF
基于生成对抗网络的隔离开关分合位置判别方法研究及应用 被引量:12
4
作者 王舶仲 蒋毅舟 +5 位作者 文超 段浩然 易进 熊旋 毛文奇 袁培 《智慧电力》 北大核心 2019年第10期77-84,共8页
针对隔离开关状态需要双确认的问题,提出一种基于深度卷积生成对抗网络(DCGAN)的开关状态图像识别方法。该方法首先建立对抗学习模型,提取隔离开关样本特征,确定初始参数值;然后基于识别误差率最小的目标函数,采用反向传播算法更新模型... 针对隔离开关状态需要双确认的问题,提出一种基于深度卷积生成对抗网络(DCGAN)的开关状态图像识别方法。该方法首先建立对抗学习模型,提取隔离开关样本特征,确定初始参数值;然后基于识别误差率最小的目标函数,采用反向传播算法更新模型层间连接权值;最后通过网络逐层计算得到隔离开关分合位置判别结果。以某地区变电站内的隔离开关图像为例进行测试,结果表明该方法对大规模图像样本具有较高的辨识准确率。 展开更多
关键词 隔离开关 状态识别 图像识别 深度学习 深度卷积生成对抗网络
下载PDF
基于改进DCGAN算法的遥感数据集增广方法 被引量:9
5
作者 张曼 李杰 +2 位作者 朱新忠 沈霁 成昊天 《计算机科学》 CSCD 北大核心 2021年第S01期80-84,共5页
遥感数据集规模是深度学习目标检测算法性能的关键,如何利用少量数据生成大量标注图像成为当前的研究热点。针对这一问题,结合二次掩模技术,提出一种基于改进DCGAN算法的遥感数据集增广方法,自定义目标个数与位置,实现图像与标签的扩增... 遥感数据集规模是深度学习目标检测算法性能的关键,如何利用少量数据生成大量标注图像成为当前的研究热点。针对这一问题,结合二次掩模技术,提出一种基于改进DCGAN算法的遥感数据集增广方法,自定义目标个数与位置,实现图像与标签的扩增,解决了基于GAN图像增广算法中无对应标签生成的问题。同时,针对DCGAN算法生成图像质量不高的问题,提出多尺度特征融合技术,优化DCGAN算法,提升图像质量。实验表明,在MNIST和PlANE两种数据集上,改进DCGAN算法生成的图像质量与图像多样性均优于DCGAN算法;在利用Tiny-YoloV2算法设计的验证实验中发现,所提算法增广的数据集,检测AP值高达85.45%,相对未增广算法与传统增广方法,AP值分别提高了16.05%和2.88%,验证了算法的有效性。 展开更多
关键词 dcgan 遥感图像 目标检测 数据集增广 多特征图 特征融合
下载PDF
面向多元场景结合GLNet的车道线检测算法 被引量:8
6
作者 周经美 王钰 +2 位作者 宁航 程鑫 赵祥模 《中国公路学报》 EI CAS CSCD 北大核心 2021年第7期118-127,共10页
各种复杂环境下路面车道线的高效精确检测是自动驾驶领域中车道偏离预警系统的关键性技术之一。由于车辆实际运行环境的复杂性和路面车道线的多样性,现有方法在车道线检测的准确性和鲁棒性上仍需不断增强。提出一种面向多元场景结合GLNe... 各种复杂环境下路面车道线的高效精确检测是自动驾驶领域中车道偏离预警系统的关键性技术之一。由于车辆实际运行环境的复杂性和路面车道线的多样性,现有方法在车道线检测的准确性和鲁棒性上仍需不断增强。提出一种面向多元场景结合GLNet的车道线检测算法。首先采用改进Gamma校正对待检测路面图像预处理,消减光照不均匀、夜晚等环境干扰,增强车道线纹理。然后为增强数据集的多样性,在LaneNet网络的基础上引入对抗生成网络DCGAN,构建GLNet网络模型。该模型采用编码-解码的网络结构提取车道线特征(车道蒙板和像素点),通过DBSCAN聚类算法将不同车道线划分为不同的实体,使用H-Net网络学习的视觉转换矩阵优化并拟合输出车道线。最后基于已训练好的GLNet权重模型对车道线进行精确提取,并在Tusimple数据集和自制数据集上测试验证。试验结果表明:该方法的检测准确率可达97.4%,相较于基于LaneNet网络的车道线检测算法明显提高;DCGAN网络的加入丰富了数据集类型,并提高了该模型的表征及分类能力;DBSCAN聚类算法的平均聚类时间约为0.016 s,相较于Meanshift算法运行效率更高。所提出的方法考虑了不规范、环境复杂等多种道路类型的车道线检测任务,提升了对复杂噪声与多元场景的处理能力,在车辆辅助驾驶领域具有较好的鲁棒性和适用性。 展开更多
关键词 交通工程 车道线检测 GLNet模型 多元场景 自动驾驶 LaneNet dcgan
原文传递
基于改进VGG模型的低照度道路交通标志识别 被引量:8
7
作者 赵树恩 刘伟 《重庆交通大学学报(自然科学版)》 CAS CSCD 北大核心 2021年第10期178-184,共7页
针对低照度情况下道路交通标志图像亮度偏低、饱和度过高、图像模糊、识别不精确等问题,提出一种基于膨胀卷积-VGG(dilated convolution-VGG,DC-VGG)模型的道路交通标志快速识别方法。首先,运用限制对比度直方图均衡算法(contrast limit... 针对低照度情况下道路交通标志图像亮度偏低、饱和度过高、图像模糊、识别不精确等问题,提出一种基于膨胀卷积-VGG(dilated convolution-VGG,DC-VGG)模型的道路交通标志快速识别方法。首先,运用限制对比度直方图均衡算法(contrast limited adaptive histogram equalization,CLAHE)对图像H(色相)S(饱和度)V(色明度)空间中的V通道均衡化,实现低照度图像亮度增强;其次,在HSV空间中设定阈值分割出指定色彩,通过轮廓检测定位交通标志;然后,基于深度卷积对抗神经网络(deep convolutional generative adversarial networks,DCGAN)对真实的交通标志图像进行数据样本增强,以提高分类模型的鲁棒性;最后,提出DC-VGG轻量化模型实现交通标志快速识别。经验证,该方法达到94.12%的识别准确率,且能在硬件不佳的条件下实时检测。 展开更多
关键词 交通运输工程 交通标志识别 低照度 DC-VGG 对比度受限直方图均衡 dcgan
下载PDF
YOLOv4煤矸石检测方法研究 被引量:9
8
作者 蔡秀凡 谢金辰 《煤炭工程》 北大核心 2022年第8期157-162,共6页
针对煤矸石分选的问题,提出一种基于深度学习的目标检测算法替代人工选矸,为后续开发自动选矸机器人提供视觉依据。由于矸石样本数量有限,各个地区矸石特征不一,没有统一标准大数量样本集,为不影响深度卷积网络训练精度,提出一种基于卷... 针对煤矸石分选的问题,提出一种基于深度学习的目标检测算法替代人工选矸,为后续开发自动选矸机器人提供视觉依据。由于矸石样本数量有限,各个地区矸石特征不一,没有统一标准大数量样本集,为不影响深度卷积网络训练精度,提出一种基于卷积生成对抗网络(DCGAN)的煤矸石图像数据扩充方法,建立有效的监督样本集进行训练。通过模型训练实验发现,基础YOLOv4的深度学习网络存在针对小块煤矸石漏检与误检的缺陷,通过采用修改K-means初始锚框参数与增加一个检测通道,在主干网络中加入SE注意力机制,来改进算法克服小块煤矸石漏检的缺陷。通过实验测试得出,改进后的YOLOv4能够对小块煤矸石检测,同时也能够提高目标检测模型的整体检测精度,准确率可达94%以上,完全可以替代人工检测。 展开更多
关键词 目标检测模型 生成对抗网络 图像扩充 煤矸石检测
下载PDF
改进的DCGAN在SAR图像分类中的应用 被引量:7
9
作者 鲁力 王洁 +1 位作者 韩要昌 吴亚晖 《控制工程》 CSCD 北大核心 2020年第3期561-566,共6页
在军事背景下,实现SAR图像的更快更精准分类能够取得战略优势。首先论述了军事SAR图像在分类的过程中,生成的图像特征偏向于多数类样本致使分类精度低的现状。然后,基于改进的DCGAN(生成对抗网络)的方法与数据增强理论,对少数类样本扩... 在军事背景下,实现SAR图像的更快更精准分类能够取得战略优势。首先论述了军事SAR图像在分类的过程中,生成的图像特征偏向于多数类样本致使分类精度低的现状。然后,基于改进的DCGAN(生成对抗网络)的方法与数据增强理论,对少数类样本扩增。同时,将DCGAN中的判别器嵌入一个多分类器,使得在分类过程中不仅对图像真假分类,也能够对真实类别分类。最后,基于Kappa值与训练和测试精度,将所生成的结果与优化CNN、VGG、DLN、Resnet网络训练结果对比,发现通过改进的DCGAN生成的SAR图像可以提升分类精度,并且具有更好的泛化能力。 展开更多
关键词 dcgan 图像分类 数据增强 多分类器
下载PDF
基于DCGAN算法的服装效果图生成方法 被引量:1
10
作者 郭宇轩 孙林 《毛纺科技》 CAS 北大核心 2024年第2期114-120,共7页
为了提高服装设计效率,适应时尚产品迭代加速的趋势,提出一种基于深度卷积对抗网络(DCGAN)的服装效果图生成方法。搭建适用于服装效果图生成任务的DCGAN模型,制作服装秀场数据集进行模型训练并生成服装效果图,设计师主观筛选具有设计参... 为了提高服装设计效率,适应时尚产品迭代加速的趋势,提出一种基于深度卷积对抗网络(DCGAN)的服装效果图生成方法。搭建适用于服装效果图生成任务的DCGAN模型,制作服装秀场数据集进行模型训练并生成服装效果图,设计师主观筛选具有设计参考价值的生成服装效果图,计算有效生成图像比例,评估该模型性能和生成图像质量,通过人机交互的方式优化部分生成图像并形成最终设计方案。结果表明:优化后的DCGAN模型可以快速提取流行趋势生成创意设计方案,辅助设计师高效完成设计效果表达,为服装设计的智能化提供有效途径和方法参考。 展开更多
关键词 卷积神经网络 dcgan 服装效果图 交互设计 深度学习
下载PDF
基于数据增强的太阳能电池片缺陷检测 被引量:9
11
作者 王云艳 周志刚 罗帅 《电子测量与仪器学报》 CSCD 北大核心 2021年第1期26-32,共7页
针对太阳能电池片缺陷数据量匮乏造成的网络过拟合和模型性能不达标的问题,提出基于深度卷积对抗生成网络和图像随机拼接的真假数据融合算法,将训练数据量提升了800倍;同时对网络模型进行轻量化优化,减少模型训练参数。实验结果表明,经... 针对太阳能电池片缺陷数据量匮乏造成的网络过拟合和模型性能不达标的问题,提出基于深度卷积对抗生成网络和图像随机拼接的真假数据融合算法,将训练数据量提升了800倍;同时对网络模型进行轻量化优化,减少模型训练参数。实验结果表明,经过真假数据融合扩充数据集后训练的模型测试精度相比原始训练集和传统数据增强算法分别提升了近30%和17%;轻量化处理后的模型参数减少为之前的1/2,对每张图片的测试时间由57 ms缩短到22 ms。研究证明,真假数据融合算法能够有效的缓解训练数据不足造成网络过拟合问题;轻量化优化模型在保证精度的同时,压缩模型大小,加快测试速度。 展开更多
关键词 缺陷检测 数据增强 深度卷积对抗生成网络 图像融合 轻量化
下载PDF
一种基于DCGAN的多级多尺度遥感影像时空融合方法
12
作者 刘昱岑 普运伟 +2 位作者 聂聆聪 王飞 李奇 《遥感信息》 CSCD 北大核心 2024年第2期87-94,共8页
时空融合可生成具有高时空分辨率的遥感数据影像,但有时因某区域快速发生变化或云层持续覆盖造成的云干扰,导致时空融合方法无法预测出近似真实的影像数据。针对以上问题,提出一种基于DCGAN的多级多尺度的时空融合模型(MUSTFGAN),通过... 时空融合可生成具有高时空分辨率的遥感数据影像,但有时因某区域快速发生变化或云层持续覆盖造成的云干扰,导致时空融合方法无法预测出近似真实的影像数据。针对以上问题,提出一种基于DCGAN的多级多尺度的时空融合模型(MUSTFGAN),通过生成器提取特征和判别器判别,最终获得高精度的预测影像。该方法在生成器中利用多级多尺度提取特征信息帮助模型对影像区域细节信息学习,提高模型对于不同尺度物体的识别和检测能力,从而提升特征提取的效果;判别器中加入自注意力机制模块,提高模型的判别能力,从而提高模型的性能和鲁棒性,并利用多损失函数计算影像精度,重建高质量的高空间和高时间分辨率遥感影像,提高了特征学习能力,具有很强的泛化性。使用两种数据集对该方法进行测试,并通过6种常见评估指标与4种经典的时空融合方法进行比较。实验结果表明:MUSTFGAN在云南滇池数据集上精度提升了14.75%,指标LBP和Edge分别提升了20.78%和14.18%;指标SAM降低了11%;指标SSIM、RMSE和MAE分别达到了90.43%、0.0215和0.0163;在区域产生云干扰的情况下,可以较好地预测地物的变化,进一步提高时空融合的准确性,填补大量云的遮挡,减少云污染造成的影响,证实了所提方法的可行性和有效性。 展开更多
关键词 时空融合 dcgan 多级多尺度模块 自注意力机制 云干扰
下载PDF
基于改进DCGAN的XLPE电缆局放数据增强方法 被引量:2
13
作者 岳云飞 孙抗 《机电工程技术》 2023年第1期40-43,共4页
针对深度卷积生成对抗网络(DCGAN)在扩充XLPE电缆局部放电样本时存在的训练不稳定、收敛速度较慢等问题,从算法和模型结构两方面对DCGAN进行改进,并提出一种基于Wasserstein距离的深度残差生成对抗网络。在算法方面,使用带梯度惩罚优化... 针对深度卷积生成对抗网络(DCGAN)在扩充XLPE电缆局部放电样本时存在的训练不稳定、收敛速度较慢等问题,从算法和模型结构两方面对DCGAN进行改进,并提出一种基于Wasserstein距离的深度残差生成对抗网络。在算法方面,使用带梯度惩罚优化的Wasserstein距离代替JS散度,提升模型训练的稳定性;在模型结构方面,使用残差网络构建模型的生成器,加快模型的收敛速度;最后使用Inception Score、弗雷歇距离、识别准确率等评估指标衡量所提模型生成样本的质量。实验结果表明,与原始DCGAN生成样本相比,所提新模型的生成样本在Inception Score、弗雷歇距离等评估指标上的得分优化率均大于6.0%,并使AlexNet模型的识别准确率提高了4.0%,有效提升了DCGAN对于XLPE电缆局部放电样本的数据增强效果。 展开更多
关键词 数据增强 XLPE电缆 dcgan 局部放电
下载PDF
基于cycleGAN的太阳电池电致发光图像数据增强方法
14
作者 何翔 杨爱军 +2 位作者 黎健生 陈彩云 游宏亮 《液晶与显示》 CAS CSCD 北大核心 2024年第8期1057-1069,共13页
针对光伏组件电致发光缺陷自动识别研究中训练用图像不足以及生成图像质量不佳的问题,采用cycleGAN生成了太阳电池EL缺陷图像,并与DCGAN生成的图像进行了综合性对比。将拍摄到的EL图像进行分类和数据增强形成训练集。接着采用训练集对cy... 针对光伏组件电致发光缺陷自动识别研究中训练用图像不足以及生成图像质量不佳的问题,采用cycleGAN生成了太阳电池EL缺陷图像,并与DCGAN生成的图像进行了综合性对比。将拍摄到的EL图像进行分类和数据增强形成训练集。接着采用训练集对cycleGAN与DCGAN进行训练。最后,从生成图像的有效性、相似性和多样性3个角度对比了两个模型所生成的图像。实验结果表明,cycleGAN所生成的图像中,有效图像的占比显著高于DCGAN。与真实拍摄的图像相比,cycleGAN所生成图像的感官相似性极高,难以通过人眼分辨。cycleGAN所生成图像的FID指标显著低于DCGAN。采用cycleGAN生成图像训练的分类模型对真实拍摄图像的准确率达到93.45%,当训练集中混入少量真实拍摄图像时,该准确率提升至98.26%,显著高于DCGAN。cycleGAN生成图像的平均MS-SSIM指标显著低于DCGAN。采用cycleGAN进行太阳电池EL图像的数据增强是一种行之有效的方法,在有效性、相似性和多样性3方面显著优于DCGAN。 展开更多
关键词 光伏组件 太阳电池 电致发光 cycleGAN dcgan
下载PDF
面向不平衡样本的物联网轻量级入侵风险识别方法
15
作者 钱游 《自动化与仪器仪表》 2024年第2期68-72,共5页
在不平衡数据的干扰下,物联网的节点负担增大,容易受到轻量级入侵,因此,提出面向不平衡样本的物联网轻量级入侵风险识别方法。基于一维卷积神经网络设计轻量级入侵风险识别模型,为弥补模型训练不够稳定的缺陷,应用DCGAN设计样本数据平... 在不平衡数据的干扰下,物联网的节点负担增大,容易受到轻量级入侵,因此,提出面向不平衡样本的物联网轻量级入侵风险识别方法。基于一维卷积神经网络设计轻量级入侵风险识别模型,为弥补模型训练不够稳定的缺陷,应用DCGAN设计样本数据平衡算法实施样本数据增强处理。将增强后的样本数据作为模型训练中的基础数据,并对构建的轻量级入侵风险识别模型实施训练,实现轻量级的物联网入侵风险识别。测试结果表明,相比剪枝前,剪枝后模型有效参数量的变化幅度达到10倍,在训练中模型很快达到收敛,同时达到了接近1的训练精度,并且本方法的入侵风险识别精度得到了明显的提升,始终稳定在97%左右。 展开更多
关键词 不平衡样本 dcgan 物联网 轻量级入侵风险 一维卷积神经网络
原文传递
基于深度学习的板式家具纹理生成设计
16
作者 贵昭祯 秦淳 +1 位作者 杨逸潇 张继娟 《湖南包装》 2024年第3期169-171,184,共4页
目前智能辅助设计的方法被广泛应用于设计领域,它不仅可以提高设计效率,缩短产品生命周期,还能克服设计者主观认识的局限性。通过引入深度学习的方法来辅助板式家具产品设计,提出了一种基于DCGAN(深度卷积生成对抗)模型的新型纹理生成... 目前智能辅助设计的方法被广泛应用于设计领域,它不仅可以提高设计效率,缩短产品生命周期,还能克服设计者主观认识的局限性。通过引入深度学习的方法来辅助板式家具产品设计,提出了一种基于DCGAN(深度卷积生成对抗)模型的新型纹理生成方法。将饰面纸纹理导入模型系统,可以自动从大规模的纹理数据集中学习纹理特征,生成多样性的纹理图案。利用DCGAN技术迭代出的饰面纹理为板式家具产品创新设计方案拓展思路和可能性。 展开更多
关键词 深度学习 dcgan 纹理生成 板式家具
下载PDF
基于DCGAN的雷达辐射源信号个体识别算法
17
作者 王程昱 凌青 闫文君 《测控技术》 2024年第7期17-22,64,共7页
雷达辐射源个体识别技术通过提取雷达细微特征判定载体身份属性,是电子对抗领域的热点研究方向之一。通过深度学习识别雷达辐射源指纹是当前的主流方法,然而训练网络需要大量的数据样本,当数据样本不足时,容易造成识别准确率不高等突出... 雷达辐射源个体识别技术通过提取雷达细微特征判定载体身份属性,是电子对抗领域的热点研究方向之一。通过深度学习识别雷达辐射源指纹是当前的主流方法,然而训练网络需要大量的数据样本,当数据样本不足时,容易造成识别准确率不高等突出问题。基于此,提出了一种基于深度卷积对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)的雷达辐射源信号个体识别算法,首先采用双谱切片对信号进行特征提取,然后构建了基于DCGAN的识别网络,最后通过实采数据验证了算法的有效性。实验结果表明,在样本缺失较为严重的条件下,所提出的算法能实现小样本条件下的雷达辐射源识别,识别准确率达到90%,完全满足日常需求。 展开更多
关键词 雷达个体识别 小样本 dcgan 深度学习
下载PDF
一种深度学习的雷达辐射源识别方法 被引量:8
18
作者 李昆 朱卫纲 《电子设计工程》 2020年第12期99-104,共6页
针对传统使用脉间参数难以识别低信噪比条件下的复杂体制雷达信号问题,提出了一种利用深度学习模型辅助训练并对雷达辐射源进行识别的方法。首先利用时频分析的方法产生雷达信号的时频图像作为训练集1。接着利用深度卷积生成对抗网络的... 针对传统使用脉间参数难以识别低信噪比条件下的复杂体制雷达信号问题,提出了一种利用深度学习模型辅助训练并对雷达辐射源进行识别的方法。首先利用时频分析的方法产生雷达信号的时频图像作为训练集1。接着利用深度卷积生成对抗网络的样本学习能力在训练集1的基础上二次生成时频图像作为训练集2,训练集2相对于1拥有着去噪和数据增强的效果。最后利用训练集2辅助视觉几何组在训练集1上的训练进行雷达辐射源识别。对5种常见的雷达信号进行了仿真实验,实验结果验证了该方法的有效性。 展开更多
关键词 雷达辐射源识别 深度学习 深度卷积生成对抗网络 视觉几何组
下载PDF
基于M-DCGAN的缺陷检测数据集增广方法 被引量:1
19
作者 唐路源 赵红 +3 位作者 王宁 韩冰 王元元 李汪洋 《大连海事大学学报》 CAS CSCD 北大核心 2023年第2期148-160,共13页
针对智能制造中表面缺陷检测数据集不足问题,提出基于M-DCGAN的数据集增广方法。首先,向判别器添加上采样模块,搭建类U-Net结构并提升判别器与生成器的网络深度;设计基于Canny边缘检测的缺陷位置二值化掩膜提取方法;定义图像掩膜依赖的... 针对智能制造中表面缺陷检测数据集不足问题,提出基于M-DCGAN的数据集增广方法。首先,向判别器添加上采样模块,搭建类U-Net结构并提升判别器与生成器的网络深度;设计基于Canny边缘检测的缺陷位置二值化掩膜提取方法;定义图像掩膜依赖的损失函数,建立缺陷目标位置关注引导机制;插入谱归一化层和Dropout层以提高训练稳定性,保持生成图像数据多样性。带钢缺陷数据集实验结果表明,该模型生成图片质量高于DCGAN、WGAN-GP和InfoGAN。采用本文M-DCGAN算法增广训练数据,能够显著提升并超过传统增广算法在YOLOv5、SSD、Faster R-CNN、YOLOv3等八种经典方法中的缺陷检测精度,验证了本文算法的有效性。 展开更多
关键词 缺陷检测 数据集增广 深度学习 生成对抗网络 M-dcgan
原文传递
基于小样本学习的LCD产品缺陷自动检测方法 被引量:7
20
作者 马岭 鲁越 +1 位作者 蒋慧琴 刘玉敏 《智能系统学报》 CSCD 北大核心 2020年第3期560-567,共8页
针对高分辨率液晶显示器产品(liquid crystal display,LCD)质量在线检测需求,基于深度学习提出一种LCD缺陷自动检测方法。通过设计自适应浅层特征提取层,并引入稀疏卷积结构,多维度、多尺度的提取深层特征,采用迁移学习和深度卷积生成... 针对高分辨率液晶显示器产品(liquid crystal display,LCD)质量在线检测需求,基于深度学习提出一种LCD缺陷自动检测方法。通过设计自适应浅层特征提取层,并引入稀疏卷积结构,多维度、多尺度的提取深层特征,采用迁移学习和深度卷积生成对抗生网络扩充数据强化训练,构建基于小样本学习的LCD表面缺陷检测模型。其特征在于,采用设计的自动分割与定位预处理软件将高分辨率图像划分成适于卷积神经网络学习的图像子块,并根据模型对图像子块的判定类别和定位坐标,同时获取多类型缺陷检测结果。实验结果表明,本文模型可以有效提高检出率,并减少漏检率。 展开更多
关键词 缺陷诊断 目标分类 深度学习 小样本学习 卷积神经网络 迁移学习 深度卷积生成对抗网络 继续学习
下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部