服装合缺陷的图像合成使用深度卷积生成对抗网络.
Noor Ul-Huda1, Haseeb Ahmad1, Ameen Banjar2
1Department of Computer Science, National Textile University, Faisalabad, Pakistan.
Heliyon
|February 29, 2024
概括
本研究介绍了一个深度卷积生成对抗网络 (DCGAN),可以自动生成现实的织物接缺陷. 这解决了数据稀缺问题,改善了工业质量控制的深度学习模型.
科学领域:
- 工业制造业 工业制造业 工业制造业
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 准确检测织物接缺陷对于工业质量控制至关重要.
- 深度学习模型在缺陷检测方面表现出色,但需要广泛的训练数据,由于协作和隐私问题,这种数据在实际环境中往往很少.
研究的目的:
- 开发一种自动化的方法来产生现实的织物接缺陷.
- 为了克服基于深度学习的织物缺陷检测有限的培训数据的挑战.
主要方法:
- 使用深度卷积生成对抗网络 (DCGAN) 进行合成缺陷生成.
- 进行了定量和定性评估,包括专家验证和Fréchet Inception Distance (FID) 分析.
主要成果:
- 高精度生成合成合缺陷,经过十名工业专家的验证,达到80%的精度.
- 弗雷切开始距离得分表明,对于生成的数据现实性来说,有希望的结果.
结论:
- 拟议的基于DCGAN的缺陷生成模型有效地产生现实的接缺陷数据.
- 这种方法成功地弥合了实际工业织物缺陷检测中的数据稀缺差距,提高了质量控制.
