基于DAGAN的电气设备小样本红外图像生成技术与应用

面向电力设备的红外图像由于其高度敏感性和机密性，缺乏公开数据集，严重制约了面向电力红外图像的深度学习目标检测网络的发展。针对该问题，使用改进后的数据增强生成对抗网络(DAGAN)对数据进行扩充。首先改变其生成器结构，提出一种全新的生成器结构MUL-U-ResNet3+,该结构对网络结构和残差模块都进行了优化，U-Net结构优化为MUL-U-Net3+结构，并将其残差块改变为SandGlass模块，另外其损失函数的梯度惩罚改变为随机梯度惩罚，从而降低网络训练的难度。使用某220 kV和某500 kV变电站的数据对该算法进行测试，试验结果表明数据扩充后的样本在目标检测中有了更好的效果。