基于贝叶斯生成对抗网络的背景消减算法

背景消减是计算机视觉和模式识别的关键技术之一.本文提出一种新的背景消减算法,该算法首先利用中值滤波算法进行背景数据的获取,然后基于贝叶斯生成对抗网络进行训练,利用生成对抗网络的特性,有效地对每个像素进行分类,解决了光照渐变和突变、非静止背景以及鬼影的问题.本文采用深度卷积神经网络,来构建贝叶斯生成对抗网络的生成器和判别器.实验结果表明,本文提出的算法性能在绝大多数情况下优于现有其他算法.本文的贡献在于首次将贝叶斯生成对抗网络应用于背景消减,并且取得了良好的实验效果.

基于贝叶斯生成对抗网络的换向器表面缺陷检测方法

针对换向器表面检测面临缺陷类型多样、样本少等问题,提出了一种基于贝叶斯生成对抗网络的换向器缺陷检测方法,该方法包括两个阶段:第一阶段利用贝叶斯生成对抗网络对样本进行数据增强,第二阶段利用分类网络与分割网络结合的方式对缺陷进行检测;在缺陷检测模块中,分割网络输出预测缺陷位置热图,将其作为注意力机制融入分类网络,从而提高分类网络精度。