利用 CycleGAN 生成的合成缺陷图像进行铁路异常检测模型
计算机视觉与模式识别
2021-02-26 v1 机器学习
摘要
尽管训练数据对机器学习至关重要，但由于铁路公司主动更换了可能出现缺陷的设备，他们难以收集到充足的缺陷设备图像。然而，主动更换对于公共交通的安全和不受干扰的运营是不可或缺的。在本研究中，我们开发了一个使用 CycleGAN 生成缺陷设备人工图像以替代真实图像的模型。通过采用这些生成图像作为训练数据，我们验证了这些图像与真实图像难以区分，并且在提升缺陷检测模型的准确性方面发挥着重要作用。
引用
@article{arxiv.2102.12595,
title = {Railway Anomaly detection model using synthetic defect images generated by CycleGAN},
author = {Takuro Hoshi and Yohei Baba and Gaurang Gavai},
journal= {arXiv preprint arXiv:2102.12595},
year = {2021}
}