研究目的
利用基于生成对抗网络的数据增强方法,提高电致发光图像中缺陷光伏组件电池的分类性能。
研究成果
所提出的AC-PG GAN模型有效扩充了电致发光图像数据集,从而提高了光伏组件缺陷电池的分类准确率。分类准确率的最大提升幅度可达14%。
研究不足
GAN网络的训练极不稳定且可能成本高昂。生成样本的质量可能参差不齐,该方法需要仔细调整以确保有效性。
研究目的
利用基于生成对抗网络的数据增强方法,提高电致发光图像中缺陷光伏组件电池的分类性能。
研究成果
所提出的AC-PG GAN模型有效扩充了电致发光图像数据集,从而提高了光伏组件缺陷电池的分类准确率。分类准确率的最大提升幅度可达14%。
研究不足
GAN网络的训练极不稳定且可能成本高昂。生成样本的质量可能参差不齐,该方法需要仔细调整以确保有效性。
加载中....
您正在对论文“基于生成对抗网络的数据增强方法,用于提升电致发光图像中光伏组件缺陷电池分类的卷积神经网络性能”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期