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

摘要： 鐵路貨檢圖像智能識(shí)別需要大量的負(fù)類樣本用于模型訓(xùn)練，但符合要求的負(fù)類樣本稀少且收集困難。為解決鐵路貨檢圖像負(fù)類樣本不足的問題，提出一種基于Dropout改進(jìn)的漸進(jìn)增長式生成對(duì)抗網(wǎng)絡(luò)(PGGAN)數(shù)據(jù)增強(qiáng)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(jìn)行生成圖像質(zhì)量評(píng)價(jià)，運(yùn)用基于YOLOv5的圖像識(shí)別模型驗(yàn)證本方法的有效性。以...