基于改进DCGAN的钢轨表面缺陷图像扩充方法

作者：闵永智^*; 李嘉峰; 王果

来源：铁道学报, 2023, 45(12): 123-130.

• 钢轨表面缺陷
• 数据增强
• 深度卷积生成对抗网络
• 自我注意力
• 通道注意力

钢轨表面缺陷样本稀缺使得深度学习检测法在实际场景中表现不佳，针对传统数据增强方法得到的图像类型单一、多样性较低的问题，将注意力机制融入深度卷积生成对抗网络(DCGAN),提出一种Attention-DCGAN用于轨面缺陷图像扩充。具体地，将自我注意力和通道注意力机制融入DCGAN的生成器和判别器，自我注意力可提高图像对全局信息的利用，通道注意力增强了图像中的通道依赖关系。使用Attention-DCGAN在自制轨面缺陷数据集和Type-I RSDDs数据集上进行实验，相比DCGAN,Attention-DCGAN在自制数据集上将IS(inception score)从1.74±0.02增加到1.77±0.04,FID(Fréchet inception distance)从137.75降低到130.64;在Type-I RSDDs上将IS从1.48±0.05增加到1.54±0.02,FID从153.96降低了142.85。结果表明Attention-DCGAN在两种数据集上均提高了生成图像的质量，可用于轨面缺陷图像的扩充，有助于提高有监督深度学习检测法在钢轨检测上的应用。

• 单位
  兰州交通大学