基于风格迁移的生成对抗网络的管道病害图像数据增强方法技术

本发明专利技术涉及深度学习与传统管道检测的交叉学科领域，提供了一种基于风格迁移的生成对抗网络的管道病害图像数据增强方法。该方法包括以下步骤：获取管道内表面病害图像数据集；风格迁移的生成对抗网络模型训练；风格迁移的生成对抗网络模型调参；风格迁移的生成对抗网络模型测试；构建管道病害数据库。通过上述方式，研发了适用于管道内表面病害特征的图像生成算法，具有适用范围广、鲁棒性好和泛化能力强的优点；实现了管道病害图像的大规模生成，解决了管道病害数据量少的问题。解决了管道病害数据量少的问题。解决了管道病害数据量少的问题。

【技术实现步骤摘要】
基于风格迁移的生成对抗网络的管道病害图像数据增强方法


[0001]本专利技术涉及深度学习与传统管道检测的交叉学科领域，尤其涉及一种管道病害自动生成方法，特别是一种基于风格迁移的生成对抗网络的管道病害图像数据增强方法。

技术介绍

[0002]城市地下管道广泛应用于供暖、供水和排污等领域。随着我国城市化进程不断发展，地下水位变化和各种工程建设引起的不均匀沉降对管道造成不同程度的损伤。并且随着服役年龄的增加，管道密封材料老化或脱落造成接口处泄露。由此引发周围土壤，生活用水和城市空气的污染，进而引发一系列安全问题。因此，应当按时检测管道，为城市污水管道的修复和维护提供规划和决策帮助。
[0003]随着大数据的到来，基于深度学习的计算机视觉技术不断发展，大量研究采用基于深度学习的方法检测管道病害。但是，深度学习算法需要大量管道病害数据训练网络。数据集图像的数量往往决定了检测网络的准确度和泛化能力。但是，由于管道环境复杂，现有的管道内表面病害图像难以采集。
[0004]有鉴于此，有必要提供一种基于风格迁移的生成对抗网络的管道病害图像数据增强本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于风格迁移的生成对抗网络的管道病害图像数据增强方法，其特征在于，包括以下步骤：S1，获取管道内表面病害图像数据集；采集管道病害图像，挑选含有各类病害的图像，统一病害图像尺寸，建立原始的管道病害数据库；S2，风格迁移的生成对抗网络模型训练；搭载基于风格迁移的生成对抗网络模型，使用迁移学习法进行模型初始化，将原始的管道病害数据库图像导入模型，进行模型的训练；S3，风格迁移的生成对抗网络模型调参；设置不同的超参数，对比模型训练过程中损失函数变化曲线，寻找最优超参数；S4，风格迁移的生成对抗网络模型测试；根据得到的最优模型，对模型进行测试，输出各项检测数值指标，判断是否达到预期值；若达到预期值，则执行步骤S5；若未达到预期值，则执行步骤S3；S5，构建目标管道病害数据库。2.根据权利要求1所述的基于风格迁移的生成对抗网络的管道病害图像数据增强方法，其特征在于，所述步骤S2包括以下步骤：S21，搭载基于英伟达GPU的CUDA和CUDNN，配置Python及相应的API库的环境；S22，构建基于风格迁移的生成对抗网络模型，所述生成对抗网络模型包括生成网络和辨别网络；S23，使用小批量梯度下降的方法对生成对抗网络模型中的卷积神经网络进行训练，观察损失值函数图像，达到平稳时即模型收敛，此时停止训练。3.根据权利要求1所述的基于风格迁移的生成对抗网络的管道病害图像数据增强方法，其特征在于，所述步骤S3中调整超参数的依据为：设置不同超参数时，模型生成图像的损失值下降曲线的平稳度和收敛性。4.根据权利要求3所述的基于风格迁移的生成对抗网络的管道病害图像数据增强方法，其特征在于，所述步骤S3中调整的超参数包括学习率、总迭代次数、小批量图像数量以及动量系数。5.根据权利要求1所述的基于...

【专利技术属性】
技术研发人员：方宏远，王念念，马铎，
申请(专利权)人：郑州大学，
类型：发明
国别省市：