[发明专利]一种基于生成对抗网络的交互式孔探数据扩展方法

权利要求书

1.一种基于生成对抗网络的交互式孔探数据扩展方法，其特征在于，所述方法包括：

将缺陷图像按缺陷类型分类，保存在相应文件夹中，构建航空发动机孔探图像数据集，基于深度卷积构建生成对抗网络模型结构；

训练生成对抗网络模型，获取一或多个生成不同缺陷的发动机孔探缺陷图像生成器；

构建P网络，输入训练样本中的形状信息，编码成发动机孔探缺陷图像生成器识别的隐向量，使用AlexNet模型的第四卷积层的特征对P网络进行训练；

基于隐向量、发动机孔探缺陷图像生成器，获取指定形状的生成图像，通过训练后的P网络进行测试；

构建交互式基本框架并使用自适应阈值分割缺陷，使用泊松融合算法修正融合区域边缘痕迹。

2.根据权利要求1所述一种基于生成对抗网络的交互式孔探数据扩展方法，其特征在于，所述缺陷类型分为裂缝、烧蚀、磨损、及涂层丢失四类，分别为每类缺陷单独训练生成模型。

3.根据权利要求1所述一种基于生成对抗网络的交互式孔探数据扩展方法，其特征在于，所述P网络包括5个卷积层，第一卷积层用于将64*64*3的图片卷积为32*32*128的张量；第二卷积层用于将32*32*128的张量卷积为16*16*256的张量，第三卷积层用于将16*16*256的张量卷积为8*8*512的张量，第四卷积层用于将8*8*512的张量卷积为4*4*1024的张量；最后一卷积层用于将4*4*1024的张量卷积为100维的向量。

4.根据权利要求1所述一种基于生成对抗网络的交互式孔探数据扩展方法，其特征在于，所述输入训练样本中的形状信息，编码成发动机孔探缺陷图像生成器识别的隐向量，使用AlexNet模型第四卷积层的特征对P网络进行训练具体为：

提取训练样本的形状信息，并按训练样本及对应的形状信息构建图像对；将形状信息输入P_i网络，编码成隐向量；

所述隐向量经发动机孔探缺陷图像生成器解码后生成缺陷图像；加载基于Imagenet数据集训练的AlexNet模型，对生成的缺陷图像提取conv4层的特征；对形状信息对应的训练样本提取conv4层特征；

计算两个conv4层特征的最小均方值误差作为P_i网络模型的损失函数；形状信息作为P_i网络的输入，其输出隐向量作为生成器的输入，得到指定形状的生成图像，获取目标函数。

5.根据权利要求4所述一种基于生成对抗网络的交互式孔探数据扩展方法，其特征在于，所述目标函数具体为：

其中，C为AlexNet的conv4层特征，G_i为生成器，z_i为隐向量，为训练样本，为P_i网络中待更新的参数。

6.根据权利要求1所述一种基于生成对抗网络的交互式孔探数据扩展方法，其特征在于，所述通过训练后的P网络进行测试具体为：

将指定的输入形状I_shape输入训练后的P_i网络中产生隐向量z_i，对隐向量z_i添加细微的噪声扰动N(z)，

D_fake＝G_i(P_i(I_shape)+N(z))

其中，D_fake为生成的缺陷图像，P_i(I_shape)表示利用P_i网络预测输入形状I_shape的隐向量表示，N(z)表示一个符合高斯分布的细微噪声。