科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对裂缝图像获取困难导致的样本少、传统数据扩充方法提升样本特征空间能力不足等问题，提出了一种基于改进深度卷积生成对抗网络(MDCGAN)的裂缝样本扩充方法。首先对数据集进行预处理，利用滑窗法进行数据降维和清洗；其次优化激活函数，提高生成特征的多样性，同时引入谱归一化进行权重标准化提升网络结构的稳定性，以生成高质量的裂缝数据集；最后，利用改进的Alexnet网络对扩充后的混合样本集进行特征提取并分类识别。结果表明，MDCGAN网络数据增强性能与传统扩充方法相比均有明显提高，适用于扩充裂缝图像。
- 单位
