GPR图像的数据集构建及其DRDU-Net去噪算法OA北大核心CSTPCD
Construction and DRDU-Net Based on Denoising Algorithm for GPR Image Dataset
为了解决生成对抗网络(Generative Adversarial Network,GAN)在生成探地雷达(Ground Penetrating Radar,GPR)图像时存在训练不稳定的问题,提出利用带有梯度惩罚的Wasserstein距离生成对抗网络(WGAN-GP)生成GPR图像,并结合时域有限差分法和实地采集图像提出了一种构建GPR图像数据集的方法.相较于原始GAN与Wasserstein GAN等方法,WGAN-GP具有更好的稳定性,而…查看全部>>
To solve the problem of the training instability of the Generative Adversarial Network(GAN)in generating ground penetrating radar(GPR)images,the Wasserstein GAN with Gradient Penalty is used to generate the GPR images.Moreover,a new method for constructing the GPR dataset is proposed base on the Finite-difference time-domain method and the measured images.Compared with the original GAN and Wasserstein GAN methods,WGAN-GP has better stability and the ge…查看全部>>
王惠琴;高大庆;何永强;刘宾灿;王莹;曹明华
兰州理工大学 计算机与通信学院,甘肃 兰州 730050兰州理工大学 计算机与通信学院,甘肃 兰州 730050西北民族大学 土木工程学院,甘肃 兰州 730106陕西建工安装集团有限公司,陕西 西安 710068兰州理工大学 计算机与通信学院,甘肃 兰州 730050兰州理工大学 计算机与通信学院,甘肃 兰州 730050
电子信息工程
GPR数据集构建GPR图像去噪WGAN-GP密集残差块
GPR data set constructionGPR image denoisingWGAN-GPdense residual block
《湖南大学学报（自然科学版）》 2024 (6)
20-28,9
国家自然科学基金资助项目(61861026,62261033,62265010),National Natural Science Foundation of China(61861026,62261033,62265010)甘肃省重点研发计划资助项目(23YFFA0060),The Key Research and Development Program of Gansu Province(23YFFA0060)
评论