基于生成对抗网络的缺陷检测数据生成、检测方法及系统.pdf
努力****恨风
亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于生成对抗网络的缺陷检测数据生成、检测方法及系统.pdf
本发明公开了基于生成对抗网络的缺陷检测数据生成、检测方法及系统,该方法包括:获取目标对象的图像及缺陷标签;进而训练分类模型用于输出缺陷标签;再构建基于高斯模型组的生成对抗网络模型,并对生成器和判别器进行交替式训练。其中,生成器的第2‑N个全连接层分别连接一组高斯模型,即将每一组高斯模型采样的缺陷向量和对应高斯模型的系数乘积,与对应全连接层的权重系数进行线性运算;最后将目标对象的图像的像素网格坐标输入训练好的生成对抗网络模型,通过控制高斯模型组的系数生成各类缺陷图像。本发明通过上述方法生成大量具有用户所需缺
一种基于生成对抗网络的转子缺陷检测方法.pdf
本发明涉及产品缺陷检测技术领域,具体为一种基于生成对抗网络的转子缺陷检测方法,包括以下步骤:步骤一,数据采集,步骤二,模板分类,步骤三,提取特征,步骤四,特征验证,本发明首先进行焊点特征的数据采集,生成焊点特征模板库,根据焊点合格、多焊、少焊、焊接偏移、漏焊以及虚焊的显著的特征并进行分类,对样本进行分析,将电机转子焊点的图像形状与预设的检测模板图像进行比对,获得焊点图像与标准图像的匹配程度,识别不同种类的焊点特征,最后进行一次验证,若验证可用后留作样本作为特征模板备用,提高对转子焊点缺陷检测的效率。
基于对抗生成网络的微小目标检测系统.pdf
本申请公开了一种基于对抗生成网络的微小目标检测方法和系统,涉及图像识别技术,该方法包括以下步骤:调用目标检测模型检测目标图像中的目标;筛选出尺寸小于第一预设值的目标作为微小目标;通过生成网络将所述微小目标对应的第一图像作放大处理,得到第二图像;调用目标分类模型对第二图像进行分类,得到分类结果。本申请实施例可以提升微小目标在分类上的精度。
基于生成对抗网络的双耳销钉缺陷样本的生成方法及装置.pdf
本发明公开了一种基于生成对抗网络的双耳销钉缺陷样本的生成方法及装置,其中该方法包括:采集双耳销钉样本图像,得到双耳销钉样本图像数据集;双耳销钉样本图像数据集包括正常样本图像及缺陷样本图像数据集;使用双耳销钉样本图像数据集训练CycleGAN模型,得到成对样本图像数据集;成对样本图像包括:正常样本图像及对应生成的缺陷样本图像;使用成对样本图像数据集,训练Pix2Pix网络模型,得到基于生成对抗网络的双耳销钉缺陷样本。本发明结合多种生成对抗网络模型特点,能通过处理正常样本有效地生成对应效果逼真的缺陷样本图像,
基于生成对抗网络的黑盒恶意软件检测对抗样本生成方法及装置.pdf
本发明公开了一种基于生成对抗网络的黑盒恶意软件检测对抗样本生成方法及装置,方法包括下述步骤:根据PE文件结构特性设计基于集成策略的恶意软件对抗性扰动方法,该扰动方法添加扰动的方式为:修改DOS头、节区末尾填充、文件末尾填充;构建基于生成对抗网络的黑盒恶意软件对抗样本生成模型;在模型攻击过程中,输入恶意软件到黑盒恶意软件对抗样本生成模型,利用训练过的生成器模型G在很短的时间内生成对抗性样本。本发明添加对抗性扰动到恶意软件的非功能区域,从而实现了保留恶意功能和样本的真实性,这样不仅可以省去检验恶意软件样本在沙