买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙大宁波理工学院申请的专利基于对抗生成网络的工业缺陷样本生成方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115661062B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211277842.2，技术领域涉及：G06T7/00；该发明授权基于对抗生成网络的工业缺陷样本生成方法及系统是由武芳宇;张百灵;罗郁梅;文世挺;童有成设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本基于对抗生成网络的工业缺陷样本生成方法及系统在说明书摘要公布了：本发明属于深度学习技术领域，公开了一种基于对抗生成网络的工业缺陷样本生成方法，包括：构建对抗生成网络，所述对抗生成网络包括至少一个生成器网络和至少一个判别器网络；生成随机噪声z，将生成的随机噪声z通过生成器生成伪缺陷图像Gz，通过缺陷增强算法将伪缺陷图像Gz和真实缺陷图像x分别进行缺陷增强得到图像yf和y′f；使用缺陷增强后的图像yf和y′f训练判别器网络，使其区分缺陷图像的真伪；更新生成器网络，使其不能区分缺陷图像的真伪，得到工业缺陷样本。通过缺陷增强算法可以增强样本数据的缺陷细节，生成具有高清晰度和高多样化的样本。

本发明授权基于对抗生成网络的工业缺陷样本生成方法及系统在权利要求书中公布了：1.一种基于对抗生成网络的工业缺陷样本生成方法，其特征在于，包括以下步骤： S01：构建对抗生成网络，所述对抗生成网络包括至少一个生成器网络和至少一个判别器网络； S02：生成随机噪声z，将生成的随机噪声z通过生成器生成伪缺陷图像Gz，通过缺陷增强算法将伪缺陷图像Gz和真实缺陷图像x分别进行缺陷增强得到图像yf和y′f； S03：使用缺陷增强后的图像yf和y′f训练判别器网络，使其区分缺陷图像的真伪； S04：更新生成器网络，使其不能区分缺陷图像的真伪，得到工业缺陷样本；所述判别器网络和生成器网络采用交替训练的方式训练，交替训练方法，包括： S30：固定生成器网络参数，执行判别器优化k次，判别器优化包括： S31：从先验分布pz随机生成m个随机噪声向量z； S32：从数据集分布px里随机获取m个真实缺陷图像x； S33：将经过数据增强的真实缺陷图像输入到判别器网络D中，计算判别器网络的损失函数时，标签设为真，然后以反向传播算法更新判别器网络； S34：将生成的伪缺陷图像输入到判别器网络D中，计算判别器网络损失函数时，标签设为假，然后以反向传播算法更新判别器网络； S35：使用随机梯度上升优化判别器的代价函数： 最大化代价函数； 其中，表示对应判别器参数的梯度，i表示第i个随机噪声向量； S40：更新k次判别器网络之后，更新1次生成器，包括以下步骤： S41：从先验分布pz随机生成m个随机噪声向量z； S42：使用随机梯度下降优化生成器的代价函数： 最小化代价函数； 其中，表示生成器G的参数梯度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙大宁波理工学院，其通讯地址为：315199 浙江省宁波市鄞州区高教园区钱湖南路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。