一种基于对抗生成网络的半监督工业图像缺陷分割方法

摘要

本发明公开一种基于对抗生成网络的半监督工业图像缺陷分割方法，使用少量标注的带有缺陷的负样本和大量没有缺陷的正样本来训练神经网络从而得到能对缺陷自动识别的分割网络。在神经网络的构建过程中分别使用了基于D‑LinkNet的分割网络和基于U‑net重构网络，通过交叉训练的方式来分离负样本和正样本的特征空间从而使分割网络能正确分割出负样本中的缺陷。本方法能大大减少对工业缺陷样本图像的依赖，同时能大幅度减少分割模型在分割缺陷时的误差。