基于改进ACGAN算法的带钢小样本数据增强方法

来源：计算机集成制造系统杂志2025年第1期北京时间：

作者：师红宇, 王嘉鑫, 李怡

单位：西安工程大学计算机科学学院

摘要：为了解决带钢小样本数据集在深度学习中出现的模式崩溃、图像模糊和错判等问题,提出一种改进的ACGAN数据增强方法。首先,模型中引入带梯度惩罚项的Wasserstein距离作为损失函数,解决了模式崩溃和训练不稳定问题;其次,生成器网络中改进标签反卷积网络,使标签信息更好地贯穿整个生成网络,并在其末端设计了去噪结构,提高了生成图像质量;接着,判别器网络中引入级联融合思想,增强了网络判别能力;最后,将改进前后的模型在NEU带钢表面缺陷数据集和MNIST数据集上进行对比实验,结果表明:所提模型生成各类样本图像的清晰度、准确性明显提高,并且客观指标FID的平均值在NEU带钢表面缺陷数据集上下降了15.8%,在MNIST数据集下降了73%,为带钢小样本数据集的扩充提供了一种新方法。

关键词：图像生成,生成对抗网络,数据增强,小样本

基金资助：陕西省重点研发计划资助项目(2022GY-058);西安市科技创新人才服务企业资助项目(2020KJRC0022)。