基于改进StyleGAN路面缺陷数据增强算法

针对复杂场景下路面缺陷数据样本少且图像质量差的问题，提出基于改进StyleGAN路面缺陷数据增强算法。在原有StyleGAN的基础上引入自注意力机制，以加强生成器对图像纹理细节信息的关注；引入SLE标签编码器以调节生成图像的纹理细节；增加噪声输入量，提升训练样本的复杂性和生成样本的多样性；采用WGANGP损失函数并调整模块分辨率来提高模型的收敛效率。通过消融实验、直观评价方法和量化评价方法分析评估模型图像生成质量，验证得出文中算法生成的路面缺陷图像质量较好，IS达到52.1,FID达到54.2；经4种经典目标检测算法测试，平均精度均值同原始数据集相比平均提升了30%左右，召回率提升了7%左右。