基于缺陷感知特征操控的少样本缺陷图像生成
计算机视觉与模式识别
2023-03-07 v1
摘要
工业中缺陷图像的不足严重制约了缺陷检测的性能，而通过生成更多样本作为数据增强可缓解此问题。我们提出了在极具挑战性的少样本情形下的首个缺陷图像生成方法。仅给定少量缺陷图像与相对较多的无缺陷图像，我们的目标是通过新的缺陷图像扩充数据集。我们的方法包含两个训练阶段。首先，我们在无缺陷图像上训练一个数据高效的 StyleGAN2 作为主干。其次，我们向主干附加缺陷感知残差块，其通过学习产生合理的缺陷掩码，并通过在有限缺陷图像上训练所添模块来相应操控掩码区域内的特征。在 MVTec AD 数据集上的大量实验不仅验证了我们的方法在生成真实且多样缺陷图像方面的有效性，也彰显了其为下游缺陷检测任务带来的益处。代码见 https://github.com/Ldhlwh/DFMGAN。
引用
@article{arxiv.2303.02389,
title = {Few-Shot Defect Image Generation via Defect-Aware Feature Manipulation},
author = {Yuxuan Duan and Yan Hong and Li Niu and Liqing Zhang},
journal= {arXiv preprint arXiv:2303.02389},
year = {2023}
}
备注
Accepted by AAAI 2023