基于Dropout-PGGAN的鐵路貨檢圖像數(shù)據(jù)增強方法研究

摘要： 鐵路貨檢圖像智能識別需要大量的負類樣本用于模型訓(xùn)練，但符合要求的負類樣本稀少且收集困難。為解決鐵路貨檢圖像負類樣本不足的問題，提出一種基于Dropout改進的漸進增長式生成對抗網(wǎng)絡(luò)(PGGAN)數(shù)據(jù)增強方法，使用Dropout-PGGAN生成所需的圖像，選擇可學(xué)習(xí)感知圖像塊相似度(LPIPS)和FID進行生成圖像質(zhì)量評價，運用基于YOLOv5的圖像識別模型驗證本方法的有效性。以... （共10頁）