用于钣金焊接图纸翻译的CycleGAN网络
计算机视觉与模式识别
2022-09-29 v1 机器学习
摘要
在智能制造中，工程图纸的机器翻译质量将直接影响其制造精度。目前大部分工作为人工翻译，极大降低了生产效率。本文提出一种基于循环生成对抗网络（CycleGAN）的焊接结构工程图纸自动翻译方法。采用非配对迁移学习的CycleGAN网络模型学习真实焊接工程图纸的特征映射，实现工程图纸的自动翻译。生成器和判别器分别以U-Net和PatchGAN为主网络。在去除恒等映射函数的基础上，提出高维稀疏网络替代传统的稠密网络作为CycleGAN生成器，以提高噪声鲁棒性。增加残差块隐藏层以提高生成图的分辨率。对所改进和微调的网络模型进行实验验证，计算真实数据与生成数据之间的差距。其满足焊接工程精度标准，解决了焊接制造过程中图纸识别效率低的主要问题。结果表明，经我们的模型训练后，焊接工程图纸的PSNR、SSIM和MSE分别达到约44.89%、99.58%和2.11，在训练速度与精度上均优于传统网络。
引用
@article{arxiv.2209.14106,
title = {Cyclegan Network for Sheet Metal Welding Drawing Translation},
author = {Zhiwei Song and Hui Yao and Dan Tian and Gaohui Zhan},
journal= {arXiv preprint arXiv:2209.14106},
year = {2022}
}