-
题名基于改进GAN的路面病害图像数据增强
- 1
-
-
作者
赵新旭
张博熠
钱慧敏
刘庆华
-
机构
江苏科技大学自动化学院
江苏科技大学计算机学院
-
出处
《江苏科技大学学报（自然科学版）》
CAS
2024年第4期49-57,共9页
-
基金
国家自然科学基金项目(51008143)
江苏省六大高峰人才项目(XYDXX-117)。
-
文摘
路面病害数据具有丰富的空间信息且具备的特征信息关联性较高,针对现有的图像数据增强方法难以有效捕获此类信息的问题,提出了一种改进的生成对抗网络(CLSGAN),用于路面病害数据增强.首先,为了避免出现模式崩塌,保证生成图像的多样性,引入新损失项,重新构建了生成器的目标函数.其次,融合CAE的编码结构,使模型能获取真实图片的空间潜在信息,用于强化生成器对于图像空间信息的学习,提高模型的收敛速度与生成质量.最后,构建了轻量级的残差投影-扩展-投影-扩展模块(RPEPX)并引入谱归一化,进一步提升生成图像的质量并保证模型训练时的稳定性.实验在新建立的CSGP数据集上进行,结果表示CLSGAN对生成路面裂缝与凹陷图像各个评价指标FID,SSIM,PSNR都有较大的提升.最后利用Yolov5s检测网络验证文中方法的先进性,结果表明在小样本数据集的情况下,相对于传统数据增强方法,所提方法使检测结果达到最优.
-
关键词
数据增强
生成对抗网络
编码器
谱归一化
rpepx
-
Keywords
data enhancement
GAN
encoder
spectral normalization
rpepx
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
