融合元学习和双路径注意力的太阳电池缺陷生成
Acta Energiae Solaris Sinica（2023）
摘要
针对太阳电池缺陷图像数据少导致深度学习模型过拟合,从而造成小样本缺陷检测困难的问题,该文提出一种融合元学习和双路径注意力的生成对抗网络(MAGAN)作为数据增强策略.所设计的元学习调参模块(MTM)优化生成器中权重参数;所设计的双路径注意力模块(DPAT)在特征提取过程中更关注图像中微小微弱缺陷特征;在改进网络构架的同时提出一种聚类约束损失函数解决训练过程中梯度消失问题.实验和研究结果表明,所提方法能够针对小样本缺陷生成有效目标数据集并优于其他生成对抗网络,最后通过分类准确率验证了该网络的有效性.
更多关键词
solar cells,defect detection,generative adversarial networks,meta-learning,dual-path attention,data augmentation
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要