公开(公告)号：CN111192221B

公开(公告)日：2024-04-16

申请号：CN202010012947.X

申请日：2020-01-07

Applicant: 中南大学

Inventor： 陈晓方 ,  潘慕尧 ,  谢永芳 ,  谢世文

IPC: G06T5/77 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于Wasserstein深度卷积生成对抗网络的铝电解火眼图像修补方法。在实际铝电解过程中，电解过程中会有大量碳渣脱落，还有火焰的干扰，使得大量火眼图像无法识别，大大降低了图像识别的准确率。本发明公开一种DCGAN与WGAN方法结合的图像修补方法，其中包括两部分：首先是对图像做个简单的预处理，取以火眼为中心，边长为400像素的正方形的火眼图像，这样可以防止其余图像的干扰特征。其次，对于本发明模型，综合DCGAN和WGAN的特点，使用其相结合的模型—Wasserstein深度卷积生成对抗网络(W‑DCGAN)模型。利用卷积网络特征提取能力加上使用Wasserstein函数辅以训练，最后使用RMSProp优化算法优化损失函数，之后将训练好的W‑DCGAN中的生成器模型部分抽取出来，用于图像修补的新网络结构。

公开(公告)号：CN111192221A

公开(公告)日：2020-05-22

申请号：CN202010012947.X

申请日：2020-01-07

Applicant: 中南大学

Inventor： 陈晓方 ,  潘慕尧 ,  谢永芳 ,  谢世文

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于Wasserstein深度卷积生成对抗网络的铝电解火眼图像修补方法。在实际铝电解过程中，电解过程中会有大量碳渣脱落，还有火焰的干扰，使得大量火眼图像无法识别，大大降低了图像识别的准确率。本发明公开一种DCGAN与WGAN方法结合的图像修补方法，其中包括两部分：首先是对图像做个简单的预处理，取以火眼为中心，边长为400像素的正方形的火眼图像，这样可以防止其余图像的干扰特征。其次，对于本发明模型，综合DCGAN和WGAN的特点，使用其相结合的模型—Wasserstein深度卷积生成对抗网络(W-DCGAN)模型。利用卷积网络特征提取能力加上使用Wasserstein函数辅以训练，最后使用RMSProp优化算法优化损失函数，之后将训练好的W-DCGAN中的生成器模型部分抽取出来，用于图像修补的新网络结构。