结合注意力机制的相对GAN螺栓图像生成

被引：16

作者：

戚银城 ^{[1
]}

郎静宜 ^{[1
]}

赵振兵 ^{[1
]}

江爱雪 ^{[1
]}

聂礼强 ^{[2
]}

机构：

[1] 华北电力大学电气与电子工程学院

[2] 山东大学计算机科学与技术学院

来源：

电测与仪表 | 2019年 / 19期

基金：

北京市自然科学基金;

关键词：

螺栓; 生成式对抗网络; 相对均值鉴别器; 梯度惩罚; 注意力机制;

D O I：

暂无

中图分类号：

TP391.41 []; TM75 [线路及杆塔];

学科分类号：

080802 [电力系统及其自动化];

摘要：

螺栓缺陷非常容易引起输电线路异常甚至故障,但大量的缺陷数据难以获得。将生成式对抗网络应用于缺陷螺栓图像的生成,针对生成过程中存在的图像质量差、生成样本单一,模型收敛缓慢等问题,提出一种基于改进DCGAN的螺栓图像生成方法。在损失函数中加入相对均值鉴别器和梯度惩罚,平衡了生成器和判别器的能力,提高了样本质量和模型的收敛速度;在模型的生成器和鉴别器中引入注意力机制,捕获图像中长距离的像素特征,提高了缺陷样本的多样性;实验结果验证了改进方法的有效性,IS值提高了0. 1,实现了缺陷样本的扩增。

引用

页码：64 / 69

页数：6

共 5 条

[1]

基于GAN等效模型的小样本库扩增研究 [J].