一种基于生成对抗网络的转子缺陷检测方法.pdf
一吃****春晓
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
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
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,
一种基于双层生成对抗网络的对抗样本生成方法.pdf
本发明提出了一种基于双层生成对抗网络的对抗样本生成方法,涉及人工智能安全领域。该方法采用第一层条件生成对抗网络、特征提取器、第二层生成对抗网络和目标网络;条件生成对抗网络用于生成新的样本,其鉴别器不但要分辨生成样本的真实性,还对其类别进行判定;特征提取器用于提取原始样本隐藏层特征,生成具有对抗先验的扰动;第二层生成对抗网络用于生成对抗扰动,鉴别器分析对抗样本的真实性及其与条件生成对抗网络生成样本的相似性;目标网络用于验证对抗样本的攻击成功率。本发明利用两层神经网络分别生成特定类别的样本和对抗扰动,能够实现
一种基于生成对抗网络的旋律生成方法.pdf
本发明公开了一种基于生成对抗网络的旋律生成方法,包括:数据预处理,从原始MIDI文件中提取出旋律轨道的事件序列;生成器训练,应用生成对抗网络对事件序列进行训练得到GAN生成器模型;音乐生成,利用GAN生成器模型生成音乐。采用对抗生成网络生成旋律,通过生成对抗模型的显著特征,即不断的在生成和判别之间进行博弈优化的特点,得到优质的旋律,帮助作曲家生成原始的旋律,有助于艺术创作。在判别器前增加增强判别器,增加领域知识的判断,更有利于训练过程中判别器快速收敛迭代,缩短训练时间。