基于生成对抗网络的自动装卸目标物标注数据集生成方法

摘要

针对建立无人起重装卸目标检测深度学习标注数据耗时问题，设计了货物图像检测生成对抗网络，构成准确的含语义标注和关键点标注的数据集，该数据集可用于有监督深度学习语义分割模型的训练。通过融合StyleGAN与DatasetGAN的生成对抗网络，对实际应用中存在的语义特征变形问题进行改进，将生成器的样本归一化层进行修改，去除均值操作，修改噪声模块和样式控制因子的输入方式；对纹理特征单一的物体的空间位置编码能力弱的问题，将生成网络的常数输入替换为傅里叶特征，并提出一个融合非线性上下采样的模块；最后引入WGAN-GP对目标函数进行改进。应用实验生成标签数据集，使用Deeplab-V3作为评价网络，以DatasetGAN方法作为基线，在语义标签生成任务上，Deeplab-V3输出mIOU值提高14.83%,在关键点标签生成任务上，L2损失平均降低0.4×10-4,PCK值平均提高5.06%,验证了改进的生成对抗网络生成语义及关键点标注数据的可行性和先进性。