基于CycleGAN的脏污图像数据增强方法研究  

作　　者：徐勇[1] 乔茹飞 XU Yong;QIAO Rufei

机构地区：[1]吉林建筑大学电气与计算机学院,吉林长春130119

出　　处：《信息技术与信息化》2024年第12期155-158,共4页Information Technology and Informatization

摘　　要：在自动驾驶技术中,广角鱼眼摄像头是执行停车与低速行驶导航任务的常见车载设备。然而,这一摄像头在直面复杂多变的外界条件时,易受尘土、泥浆、水分及霜冻等污染物影响,从而降低摄像头镜头的清晰度,进而影响依赖视觉信息的导航算法效能。考虑到由于这类污染情况发生的随机性较高,且难以系统性地搜集到充分且多样的样本数据集以供分析。文章提出了一种新的基于GAN的算法,用来生成新的污物图像。该算法独特之处在于能自动生成匹配的污渍掩模,有效绕过了人工标注的耗时与成本。通过将这些新生成的污渍图像融入训练过程作为数据增强手段,从而实现污渍检测精度的显著跃升,提升幅度达到26.65%,且该模型所具备的良好泛化能力,充分证明了此方法的实用性。

关 键 词：污染识别 图像处理 CycleGAN 数据增强 生成对抗网络 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]