公开(公告)号：CN114219778B

公开(公告)日：2024-04-02

申请号：CN202111482780.4

申请日：2021-12-07

Applicant: 北京工业大学

Inventor： 陈宁 ,  张慧婷 ,  侯越 ,  刘卓 ,  陈艳艳

IPC: G06T7/00 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明公开了一种基于WGAN‑GP数据生成与泊松融合的数据深度增强方法，WGAN‑GP是具有梯度惩罚的生成对抗网络，是一种基于博弈思想的生成模型，该生成模型包含两个网络，分别为生成网络G和判别网络D。新的训练数据是通过将WGAN‑GP生成的路面病害图像插入到无病害的道路图像中合成的。插入图像时，要保证尽可能真实地插入图像，避免边缘突出，导致目标检测模型只学习物体的边缘特征而不是病害特征量。本发明利用WGAN‑GP数据生成技术与泊松融合技术对数据进行深度增强，相比传统数据增强方法，将生成图片带入路面病害检测模型的训练集中，提供足够的数据量使得检测模型去学习到可能的分布，提高了路面病害智能检测的精度。

公开(公告)号：CN114219778A

公开(公告)日：2022-03-22

申请号：CN202111482780.4

申请日：2021-12-07

Applicant: 北京工业大学

Inventor： 侯越 ,  张慧婷 ,  陈宁 ,  刘卓 ,  陈艳艳

IPC: G06T7/00 ,  G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于WGAN‑GP数据生成与泊松融合的数据深度增强方法，WGAN‑GP是具有梯度惩罚的生成对抗网络，是一种基于博弈思想的生成模型，该生成模型包含两个网络，分别为生成网络G和判别网络D。新的训练数据是通过将WGAN‑GP生成的路面病害图像插入到无病害的道路图像中合成的。插入图像时，要保证尽可能真实地插入图像，避免边缘突出，导致目标检测模型只学习物体的边缘特征而不是病害特征量。本发明利用WGAN‑GP数据生成技术与泊松融合技术对数据进行深度增强，相比传统数据增强方法，将生成图片带入路面病害检测模型的训练集中，提供足够的数据量使得检测模型去学习到可能的分布，提高了路面病害智能检测的精度。