[发明专利]一种基于循环生成对抗网络的弧面缺陷图像生成方法

权利要求书

1.一种基于循环生成对抗网络的弧面缺陷图像生成方法，其特征在于，包括：

步骤1、获取含缺陷的弧面图像和无缺陷的弧面图像；对含缺陷的弧面图像，使用矩形框标注出所有带缺陷的位置；对无缺陷的弧面图像，使用矩形框标注出若干可能出现缺陷的位置；从标注的弧面图像中提取标注区域形成缺陷集和无缺陷集；

步骤2、初始化循环生成对抗网络；循环生成对抗网络包括两个生成对抗网络：GAN_B→A和GAN_A→B，其中：GAN_B→A用于从无缺陷的弧面图像转换为含缺陷的弧面图像，GAN_A→B用于从含缺陷的弧面图像转换为无缺陷的弧面图像，GAN_B→A和GAN_A→B网络结构完全一致；

步骤3、训练循环生成对抗网络；

步骤4、基于训练好的循环生成对抗网络将无缺陷的弧面图像生成含缺陷的弧面图像。

2.根据权利要求1所述的弧面缺陷图像生成方法，其特征在于，对无缺陷的弧面图像，采用以下两种标注方案之一进行标注：

①、人工精确标注出可能生成缺陷的区域；

②、首先对无缺陷的弧面图像粗略标注较大的区域，较大的区域为经常出现缺陷的位置；然后以固定分辨率的矩形框在较大的区域中随机选取子区域。

3.根据权利要求1所述的弧面缺陷图像生成方法，其特征在于，从标注的弧面图像中提取标注区域形成缺陷集和无缺陷集包括：

从标注的弧面图像中根据矩形框裁切出标注区域，使用双线性内插算法归一化为相同的尺寸，形成缺陷集和无缺陷集。

4.根据权利要求1所述的弧面缺陷图像生成方法，其特征在于，每个生成对抗网络由一个生成器G和一个判别器D组成，生成器G用于生成图像，判别器D用于将生成图像判伪，生成器G与判别器D的对抗式训练是生成对抗网络得以生成高质量图像的核心。

5.根据权利要求4所述的弧面缺陷图像生成方法，其特征在于，生成对抗网络权重使用高斯分布随机初始化。

6.根据权利要求4所述的弧面缺陷图像生成方法，其特征在于，生成器G是全卷积网络，其具体结构包括：

首先是7×7的卷积层，然后使用stride＝2的卷积进行下采样操作，然后使用9个残差块进行特征的提取映射，再使用最近邻内插算法上采样，最后使用7×7的卷积操作得到输入图像相同尺寸的生成缺陷图像。

7.根据权利要求4所述的弧面缺陷图像生成方法，其特征在于，判别器D使用PatchGan结构，将输入映射为特征图而不是一个实数，特征图是一个矩阵，特征图的每个位置对应输入图像的某块区域。

8.根据权利要求4所述的弧面缺陷图像生成方法，其特征在于，判别器D是一个全卷积的结构，输出尺寸为输入图像尺寸/16的特征图。