基于GAN-UNet++的汽车铝铸件图像缺陷分割算法研究

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：针对汽车铝铸件检测过程中图像缺陷干扰多、分割困难的问题,提出基于GAN-UNet++的图像缺陷分割算法,将UNet++作为生成器引入生成对抗网络(GAN),生成缺陷分割的图像,同时使用人工标记的分割图像作为真实图像,将真实图像和生成器生成的分割图像输入判别器网络,通过判别器与生成器的相互博弈,直至判别器无法辨别生成器生成的分割图像来源,获得满足条件的生成器.GAN-UNet++通过与UNet、UNet++、GAN-UNet相比,GAN-UNet++算法与标记图相似度达到了97.6%,高于其他3种算法,验证了提出的图像分割算法满足工业检测需求.

外文标题：Study on image defect segmentation algorithm of cast steel based on GAN-UNet++

外文关键词：

automotive aluminum castinggenerative adversarial network(GAN)semantic seg-mentationneural network

作者：

张靖、俞锡光、郑东旭、施定威、潘洲民

展开 >

作者单位：

宁波合力科技股份有限公司,浙江宁波 315700

浙江大学,浙江杭州 310058

关键词：

汽车铝铸件生成对抗网络语义分割神经网络

基金：

宁波市重点研发项目宁波市重点研发项目宁波市重点研发项目宁波市创新联合体项目余姚市重点研发计划

项目编号：

2022Z0132023Z0222023Z0312022H0052023JH03010002

出版年：

2023

DOI：

10.16787/j.cnki.1001-2168.dmi.2023.11.002

模具工业

桂林电器科学研究所

模具工业

影响因子：0.637

ISSN：1001-2168

年,卷(期)：2023.49(11)

被引量2
参考文献量3