本发明公开了一种基于生成对抗网络的异常检测方法，包括步骤：S1：处理语义分割图像数据集，得到满足原始图像的数据集和Mask图像的数据集；S2：建立包括生成网络和鉴别网络的异常检测生成对抗网络结构；S3：训练所述满足原始图像的数据集和Mask图像的数据集，得到异常检测的生产对抗网络模型；S4：输入原始图像，得到特定异常类型的图像。本发明与现有技术相比有如下优点：1.本发明以异常部分图像作为模型训练目标，不同于传统异常检测方法，以异常部分具体定位信息作为训练目标，使得图像异常部分更加直观性。2.本发明建立生成对抗网络模型，不同于传统异常检测方法单一一体的网络结构。弥补了无法输出异常部分的图像的缺点。
📄 201711032917X
📂 G06N3_04
👤 杭州电子科技大学
📅 2017-10-30
本发明公开了一种面向文本引导图像生成任务的生成对抗网络架构搜索方法，其方法首先基于单路径权重共享机制训练超网，在统一的对抗评估环境中为不同子网提供可相互比较的性能评测基准；随后利用多目标进化算法对网络架构空间进行全局搜索，通过构建帕累托前沿，获得候选的高质量子网；进一步结合粒子群优化算法实现对精英子网的连续空间的局部细化，通过速度更新、离散化算子和边界约束实现对网络操作编码的合理调节；最终经多目标遗传算法后的最优架构在独立重训练阶段显著提升生成质量，实现更低的FID与更高的文本一致性。本发明能够在较低计算成本下自动获得生成对抗网络的生成器结构，适用于文本到图像合成、生成等领域。
📄 2026106216337
📂 G06N3_0475
👤 南京信息工程大学
📅 2026-05-08
本发明涉及一种基于生成对抗网络的布匹瑕疵数据增强方法，搭建生成对抗网络并训练后，对于输入的待数据增强的有瑕疵布匹图像，以多层卷积和实例正则化进行多尺度特征提取与风格编码，以空间自适应归一化构建上采样卷积模块，以并行的2个卷积支路解耦网络任务，分别对应瑕疵前景和瑕疵透明度的生成，配合透明度控制、瑕疵形态与空间约束，最终得到数据增强后的有瑕疵布匹图片。本发明针对现有数据集进行数据增强，通过平衡样本类别数量和扩充瑕疵样本来提升布匹瑕疵检测器的性能，也可以针对无瑕疵新布匹进行瑕疵叠加，快速生成足量新背景下的瑕疵数据集。
📄 2022105951949
📂 G06V10_774
👤 浙江工业大学
📅 2022-05-28
本发明公开了一种基于生成对抗网络和自编码器的故障诊断方法，包括：采集处于故障状态下机械设备的振动信号并进行预处理；将预处理后的真实样本送入一维卷积生成对抗网络中进行训练得到生成器；利用生成器生成故障样本，并结合真实样本构建故障训练集；构建一维卷积自编码器，并利用故障训练集对一维卷积自编码器进行训练得到故障分类模型；利用故障分类模型对待检测的机械设备的振动信号进行分类，实现针对机械设备的故障诊断。解决了实际场景下故障数据样本较少、生成数据质量不高的问题。
📄 2022109283477
📂 G06F18_241
👤 浙江工业大学
📅 2022-08-03
一种基于条件生成对抗网络的图像描述生成方法，包括以下步骤：步骤一、网络构建，该条件生成对抗网络框架由一个生成模型和一个判别模型两部分组成，生成模型和判别模型结构类似，但是参数独立训练更新；步骤二、数据集预处理；步骤三、网络训练，过程如下：步骤3.1：用随机权值初始化生成模型和判别模型参数；步骤3.2：训练生成模型；步骤3.3：训练判别模型；步骤3.4：用RMSprop下降算法最小化损失函数；步骤四、精度测试，经过上述步骤的操作，即可实现对测试图片的描述生成。本发明提供一种鲁棒性较好、对训练数据要求较低的基于条件生成对抗训练的图像描述生成方法。
📄 2019104675009
📂 G06F16_583
👤 浙江工业大学
📅 2019-05-31
一种生成对抗网络的工业信息物理系统多点FDI攻击检测方法，包括以下步骤：1)建立不同类型的FDI攻击模型；2)建立GAN模型；3)建立采用LSTM‑RNN为生成器和辨别器单元的LR‑GAN模型；4)基于LR‑GAN的多点FDI攻击检测算法设计；5)基于LR‑GAN的多点FDI攻击检测框架设计。本发明用新颖的生成对抗网络，能够在多链路、多设备存在FDI攻击的情况下，保证ICPS系统的正常运行并在检测到攻击的同事提升系统安全性能。另外设计一个新的多点FDI攻击检测算法，同时提出了一个基于LR‑GAN的FDI攻击检测框架。
📄 2021104301065
📂 G05B13_04
👤 浙江工业大学
📅 2021-04-21
本发明公开了一种基于生成对抗网络的跨模态行人重识别方法，通过生成对抗网络生成跨模态图像进行像素对齐，然后将同一ID下的真实图像和生成的跨模态图像输入主干网络Resnet‑50进行特征提取和特征对齐。通过创建的联合损失函数来筛选模态共有特征中具有身份区别性的特征，对网络模型进行优化。本发明利用生成对抗网络以及对传统Resnet‑50进行修改，在跨模态行人重识别任务取得了不错的效果。
📄 2022103642902
📂 G06V20_52
👤 浙江工业大学
📅 2022-04-07
基于回归生成对抗网络的火焰图像氧浓度预测方法，属于回归模型的不平衡学习技术领域。它包括以下步骤：1、获取熔炉火焰图像数据；2、熔炉火焰图像数据的预处理以及数据集划分；3、生成熔炉火焰图像数据集中的少数区间样本；4、建立并训练火焰图像氧浓度预测模型；5、模型表现评估。本发明利用基于梯度惩罚的回归生成对抗网络对数据集中少数区间的火焰图像进行扩充，使不平衡的熔炉火焰图像数据集得到平衡，解决了火焰图像氧浓度预测模型训练过程中存在的不平衡学习问题，提高了回归模型对火焰图像氧浓度的预测准确率，具有普遍性和通用性。
📄 2021104672313
📂 G06K9_62
👤 浙江工业大学
📅 2021-04-28
本发明公开了一种基于多模态生成对抗的台风短期预测方法及装置，将标准化处理后的台风经纬度数据和台风强度数据进行多模态融合，得到多模态台风数据，将多模态台风数据输入到构建好的预测网络模型中进行训练，采用最终预测网络模型进行台风预测。本发明构建了预测网络模型和判别模块，能够训练出有效的预测网络模型，准确进行台风预测。所训练的预测网络模型，能够同时预测台风的轨迹和强度。
📄 2021103397249
📂 G06Q10_04
👤 浙江工业大学
📅 2021-03-30
本发明公开了一种基于对偶GAN的无线信号加密方法，包括：利用无线信号加密模型将原始无线信号加密成加密信号图像；利用无线信号解密模型将加密信号图像解密成解密无线信号；所述无线信号加密模型和无线信号解密模型通过以下模型训练体系训练得到，所述模型训练体系包括：无线信号加密网络Ag、无线信号加密判别网络Ad、无线信号解密网络Bg、无线信号解密判别网络Bd、无线信号分类网络C，对上述模型训练体系采用对Ag和C的预训练和对Ag、Ad、Bg、Bd以及C的联合训练，以确定无线信号加密模型和无线信号解密模型。该方法可以有效将无线信号加密为图片，提高信息传输的隐蔽性。
📄 2018112688947
📂 H04L29_06
👤 浙江工业大学
📅 2018-10-29
一种融合对比学习的生成对抗网络声呐图像去噪方法和装置，其方法包括：构建生成网络，输入带噪图像，经过融合注意力机制模块和对比学习模块，进行图像去噪处理；构建判别网络，输入不含噪声的无噪图像和生成网络生成的去噪图像，进行图像判别；S3、训练由生成网络和判别网络组成的对抗网络，并保存训练结束的最终参数；S4、将噪声图像输入到已经训练好的生成网络中，得到去噪图像。本发明的融合注意力机制模块和对比学习模块能提高生成网络对于输入图像的理解和处理能力，增强网络对于图像细节的捕捉和保留能力，准确还原噪声图像的主体特征和细节信息。
📄 2024116336834
📂 G06T5_70
👤 浙江工业大学
📅 2024-11-15
一种生成对抗网络的深度学习信号增强方法，包括：提取高信噪比信号作为目标信号，再在目标信号中添加定量的高斯噪声，得到对应的低信噪比的噪声信号数据，将目标信号数据与对应的噪声信号数据组成数据对作为实验数据集；分别定义生成器与判别器的模型结构和损失函数，并对输入判别器中的数据进行归一化操作；将数据对作为判别器的输入，将数据对中的噪声信号数据作为生成器的输入。通过对抗训练，最小化生成数据与目标数据分布之间的差异，从而获得实现信号增强的生成器。本发明能够自适应学习信号特性，实现信号增强。本发明提高了低信噪比信号的信噪比，并通过重构星座图，直观得到去噪信号明显比噪声信号干净。
📄 2020112217096
📂 G06F18_10
👤 浙江工业大学
📅 2020-11-05
柿子坊 · 知识产权运营
柿子坊知识产权运营平台