面向电力设备的红外图像由于其高度敏感性和机密性,缺乏公开数据集,严重制约了面向电力红外图像的深度学习目标检测网络的发展.针对该问题,使用改进后的数据增强生成对抗网络 (DAGAN)对数据进行扩充.首先改变其生成器结构,提出一种全新的生成器结构 MUL-U-ResNet3+,该结构对网络结构和残差模块都进行了优化, U-Net结构优化为 MUL-U-Net3+结构,并将其残差块改变为 SandGlass模块,另外其损失函数的梯度惩罚改变为随 机梯度惩罚,从而降低网络训练的难度.使用某220kV 和某500kV 变电站的数据对该算法进行测试,试验结果表明 -数据扩充后的样本在目标检测中有了更好的效果. |