一种基于生成式对抗网络的划痕图像数据扩增方法技术

本发明专利技术公开了一种基于生成式对抗网络的划痕图像数据扩增方法，包括以下步骤：步骤S1，构建划痕图像数据集；步骤S2，划痕图像预处理；步骤S3，构建生成式对抗网络；步骤S4，对抗训练；步骤S5，输出划痕图像扩增数据集。本发明专利技术的有益效果主要表现在：利用生成网络可生成大量划痕图像数据，利用判别网络可学习真实划痕图像的有效特征，通过对生成网络和判别网络实施对抗训练，能够有效缩小生成图像和真实图像的概率分布统计规律差异，从而既满足了基于深度学习的缺陷检测系统对训练样本的数量需求，又满足了其对训练样本的质量要求。

A Scratch Image Data Enlargement Method Based on Generative Countermeasure Network

【技术实现步骤摘要】
一种基于生成式对抗网络的划痕图像数据扩增方法
本专利技术涉及一种图像数据扩增方法，具体涉及一种基于生成式对抗网络的划痕图像数据扩增方法，属于计算机视觉领域。
技术介绍
近年来，得益于海量的训练样本和增长的算力，深度学习在理论研究和多个应用领域中取得了突破性进展，尤其是计算机视觉领域。深度学习模拟人类大脑的神经连接和信号处理方式，将高维数据的低层特征进行组合，通过层次化的形式逐步抽象出更复杂的特征表示，但同时也带来了巨量的参数。为了避免模型出现过拟合，需要大量样本对模型进行训练，然而，收集和标注样本的代价非常高昂且费时。现有的图像数据扩增技术主要包括水平翻转、裁剪和调整对比度等，然而，这些传统方法对图像数据的扩增数量非常有限，难以满足基于深度学习的应用系统(例如，缺陷检测系统)的训练需求。此外，表面缺陷图像相对于自然图像来说数量更少，采集和标注更加困难。
技术实现思路
本专利技术针对现有技术的局限性，提出一种基于生成式对抗网络的划痕图像数据扩增方法。本专利技术采用以下技术方案，所述基于生成式对抗网络的划痕图像数据扩增方法包括以下步骤：步骤S1，构建划痕图像数据集；步骤S2，划痕图像预处理；本文档来自技高网...

【技术保护点】
1.一种基于生成式对抗网络的划痕图像数据扩增方法，其特征在于，包括以下步骤：步骤S1，构建划痕图像数据集；步骤S2，划痕图像预处理；步骤S3，构建生成式对抗网络；步骤S4，对抗训练；步骤S5，输出划痕图像扩增数据集。

【技术特征摘要】
1.一种基于生成式对抗网络的划痕图像数据扩增方法，其特征在于，包括以下步骤：步骤S1，构建划痕图像数据集；步骤S2，划痕图像预处理；步骤S3，构建生成式对抗网络；步骤S4，对抗训练；步骤S5，输出划痕图像扩增数据集。2.如权利要求1所述的方法，其特征在于，所述步骤S1中，构建划痕图像数据集包括以下步骤：步骤S1.1，通过CCD摄像机采集产品表面图像，选取其中带有划痕的图像作为训练图像，其余无划痕的图像用作后续合成图像的背景图像；步骤S1.2，对划痕大致位置进行人工标记，并将标记图像进行二值化处理。3.如权利要求1所述的方法，其特征在于，所述步骤S2中，划痕图像预处理包括以下步骤：步骤S2.1，将划痕图像转换为灰度图；步骤S2.2，划痕定位；步骤S2.3，划痕图像裁剪；步骤S2.4，对裁剪后的划痕图像进行缩放；步骤S2.5，对缩放后的划痕图像进行随机水平翻转。4.如权利要求3所述的方法，其特征在于，所述步骤S2.2中，划痕定位包括以下步骤：S2.2.1：对二值化标记图像进行轮廓提取，所得轮廓即为划痕所在大致区域；S2.2.2：在轮廓内部进行阈值分割，对划痕进行边缘检测。5.如权利要求3所述的方法，其特征在于，所述步骤S2.3中，划痕图像裁剪包括以下步骤：S2.3.1：遍...

【专利技术属性】
技术研发人员：李卓蓉，吴明晖，封超，颜晖，金苍宏，
申请(专利权)人：浙江大学城市学院，
类型：发明
国别省市：浙江,33