一种基于改进DCGAN的金属表面缺陷样本生成方法

‑ABSTRACT：本发明涉及一种基于改进DCGAN的金属表面缺陷样本生成方法，其包括如下步骤：1)，采集金属表面缺陷真实样本，制作训练数据集；2)，增加模型深度，生成更高分辨率的样本图像；3)，在生成器上构建特征融合器，将深层的相似性和浅层的多样性结合；4)，分别在生成器和特征融合器中引入自注意力机制，以兼顾领域信息同远距离特征的相关性；5)，在判别器中引入谱归一化技术，使参数矩阵满足Lipschitz约束；6)，修改损失函数，采用Wasserstein距离来评估分布转换之间所需的最小代价；7)，重设计训练策略，加快模型收敛速度。本发明基于深度卷积生成对抗网络，通过以上的改进步骤，可以稳定、高效地生成高质量和多样性的金属表面缺陷样本。