检索结果-南通市图书馆

基于生成对抗网络的湍流退化图像校正方法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

移动信息 2024年第8期46卷 270-272页

作者：刘嘉萌苏州信息职业技术学院江苏苏州215200

利用无线光通信技术传输的图像信息易受湍流影响出现退化失真现象。针对传统算法校正湍流图像效果不佳等问题,文中根据湍流效应特性创建了湍流退化图像模型,同时提出了一种基于生成对抗策略的UP-GAN网络模型。该模型融入了目标检测中的... 详细信息

利用无线光通信技术传输的图像信息易受湍流影响出现退化失真现象。针对传统算法校正湍流图像效果不佳等问题,文中根据湍流效应特性创建了湍流退化图像模型,同时提出了一种基于生成对抗策略的UP-GAN网络模型。该模型融入了目标检测中的特征图金字塔结构,并增加了特征融合模块,进一步提升了模型校正的能力。实验结果表明,该方法对多种湍流强度下造成的退化图像有着更高的校正精度。

关键词：生成对抗湍流退化图像校正

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于循环生成对抗策略的遥感图像匹配算法

光电子．激光 2022年第8期33卷 824-830页

作者：唐浩漾肖佳欣翟玉翔杨东方西安邮电大学自动化学院陕西西安710000 火箭军工程大学导弹工程学院陕西西安710025

针对异源遥感影像成像模式、时相、分辨率等不同导致的图像匹配困难问题,提出了一种基于循环生成对抗策略的遥感图像匹配算法。构建了跨数据域图像特征迁移的循环生成对抗网络(generative adversarial network,GAN),设计SmoothL损失函... 详细信息

针对异源遥感影像成像模式、时相、分辨率等不同导致的图像匹配困难问题,提出了一种基于循环生成对抗策略的遥感图像匹配算法。构建了跨数据域图像特征迁移的循环生成对抗网络(generative adversarial network,GAN),设计SmoothL损失函数对网络进行优化,提高遥感图像特征提取精度,并基于图像特征迁移结果,建立三元组距离排序损失函数(trioplet margin ranking loss,TMRL)降低遥感图像的误匹配点数,实现异源遥感图像的准确匹配。实验结果表明,本文方法将异源遥感图像匹配平均准确率提升了33.51%,与CMM-Net(cross modlity matching net)方法相比,具有更好的遥感图像匹配效果。此外,本文方法不需要目标域图像的标注信息,匹配时间缩短了0.073s,能快速准确实现异源遥感图像匹配。

关键词：图像匹配特征提取生成对抗风格迁移

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于二进制生成对抗网络的视觉回环检测研究

智能系统学报 2021年第4期16卷 673-682页

作者：杨慧张婷金晟陈良孙荣川孙立宁苏州大学机电工程学院江苏苏州215021

针对现有的回环检测模型大多基于有监督学习进行训练,需要大量标注数据的问题,提出一种视觉回环检测新方法,利用生成对抗思想设计一个深度网络,以无监督学习的方式训练该网络并提取高区分度和低维度的二进制特征。将距离传播损失函数和... 详细信息

针对现有的回环检测模型大多基于有监督学习进行训练,需要大量标注数据的问题,提出一种视觉回环检测新方法,利用生成对抗思想设计一个深度网络,以无监督学习的方式训练该网络并提取高区分度和低维度的二进制特征。将距离传播损失函数和二值化表示熵损失函数引入神经网络,将高维特征空间的海明距离关系传播到低维特征空间并增加低维特征表示的多样性,进而利用BoVW模型将提取的局部特征融合为全局特征用于回环检测。实验结果表明:相比SIFT和ORB等特征提取方法,所述方法在具有强烈视角变化和外观变化的复杂场景下具有更好的性能,可以与AlexNet和AMOSNet等有监督深度网络相媲美。但采用无监督学习,从根本上避免了费时费力的数据标注过程,特别适用于大规模开放场景的回环检测,同时二进制特征描述符极大地节约了存储空间和计算资源。

关键词：回环检测无监督学习二进制描述符 BoVW 视觉SLAM 生成对抗特征提取深度学习

基于协同过滤和生成对抗网络的算法改进及推荐系统设计研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于协同过滤和生成对抗网络的算法改进及推荐系统设计研究

作者：吴巨聪广东工业大学

学位级别：硕士

如今,人们已经进入了信息爆炸时代。个性化推荐系统的研究占据着越来越重要的地位。在人工智能背景之下,深度学习算法取得了飞速的发展。其中生成对抗网络GAN已在音乐生成、图片生成、声音生成等领域取得巨大成就。Top N推荐算法CFGAN... 详细信息

如今,人们已经进入了信息爆炸时代。个性化推荐系统的研究占据着越来越重要的地位。在人工智能背景之下,深度学习算法取得了飞速的发展。其中生成对抗网络GAN已在音乐生成、图片生成、声音生成等领域取得巨大成就。Top N推荐算法CFGAN把协同过滤与生成对抗网络相结合,通过矢量对抗训练解决了离散化索引的问题。CFGAN推荐算法已经取得了比较好的成绩,并在推荐系统中得到了应用。然而CFGAN算法的生成器生成的实值向量,在物理可解析性和逻辑可表达性方面还有一定的提升空间。论文正是针对以上提出的挑战性问题,提出一种新的推荐算法,并设计一个新颖离线的推荐系统,主要的研究工作如下:首先,论文对CFGAN中提出的ZR、PM和ZP三种模型方法进行仿真实验,以此验证零正则化惩罚项和部分屏蔽策略的可行性。于此基础上,分析CFGAN算法的生成器生成的实值向量在物理可解析性和逻辑可表达性方面存在的缺陷。其次,论文将对CFGAN生成器生成的实值向量的正样本对应的输出节点嵌入“1重构”正则化惩罚项。在生成器生成的实值向量中,正样本对应的输出节点的值并不能预期地与零正则化惩罚接近0保持一样的趋势接近1。针对此问题,论文将对正样本对应的输出节点嵌入“1重构”正则化惩罚项。实验数据表明,该创新点可提升模型的解析性,使得模型的综合性能得到了提升。再次,论文将对CFGAN生成器生成的实值向量的部分负样本对应的输出节点嵌入“1重构”正则化惩罚项。对于CFGAN算法的生成器生成的实值向量,仅仅凭借生成器和判别器的相互对抗,最终推荐给用户的项目很难获得一个接近1的分数。针对此问题,对部分负样本对应的输出节点嵌入“1重构”正则化惩罚项。实验表明,该创新点使得模型效果变得更优。最后,论文将嵌入双重“1重构”正则化惩罚项的协同过滤生成对抗网络命名为PLGAN,并设计和基于PLGAN的离线个性化推荐系统。首先在公开的数据集展开实验,研究PLGAN模型的物理可解析性、逻辑可表达性、模型的训练速度和准确率。然后基于PLGAN算法和大数据平台设计离线的电影推荐系统。最后利用大数据技术（如hadop、spark、kafka、flume等）、后台开发技术（Spring Boot、Mybatis等）和深度学习算法PLGAN实现推荐系统的部署。综上,本文提出了一种新的推荐算法,嵌入双重“1重构”的PLGAN增加了模型的物理可解析性和逻辑可表达性,提升了模型的准确率,缩短了模型整体的训练时间。同时本文基于PLGAN算法设计并部署了一个新颖的和前后端一体化的离线个性化推荐系统,解决了从数据到算法和从算法到个性化推荐的闭环问题。

关键词：生成对抗协同过滤 “1重构” 个性化推荐

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于生成对抗的小样本图像转换算法研究

基于生成对抗的小样本图像转换算法研究

作者：王坤华哈尔滨工程大学

学位级别：硕士

图像作为环境感知和知识获取的重要载体,对其进行科学探索、研究和信息挖掘具有重要意义,其主要用于视觉任务的表现与承载。图像转换的任务是以给定的数据集合为基础,利用深度学习算法学习良好的网络映射,生成同时具备目标数据域特征和... 详细信息

图像作为环境感知和知识获取的重要载体,对其进行科学探索、研究和信息挖掘具有重要意义,其主要用于视觉任务的表现与承载。图像转换的任务是以给定的数据集合为基础,利用深度学习算法学习良好的网络映射,生成同时具备目标数据域特征和源数据域内容的图像,并快速准确的解决诸如图像模糊等转换问题。无论在军事或是民用,研究高效可靠的图像转换算法都具有重要的理论价值和实际意义。由于获取图像的方式方法不尽相同,导致图像构成的数据集呈现不同的数据特征,基于此本文选取水下声纳小样本数据集和Oxford小样本花卉光学数据集作为研究背景,对基于生成对抗的小样本图像转换算法进行研究。首先,图像因其采集手段呈现边缘信息模糊和纹理特征弱的特点,使得网络无法得到较好的细节特征从而影响后续转换任务,因此对其进行图像表征增强十分重要。本文构建一种图像表征增强算法,即结合使用边缘信息增强和细节信息增强来辅助增强图像,并进一步利用基于亚像素卷积的通道注意力机制改善网络特征提取能力,完成表征增强任务。实验结果表明,采用边缘信息增强和细节信息增强可以使得图像中的细微特征更加明显,结合基于亚像素卷积的通道注意力机制后,会对图像细微特征的处理能力得以提高。通过图像表征增强后网络特征更为丰富,有利于后续转换任务的进行。在图像表征增强的基础上,由于样本数量受限会导致参数空间优化不充分和生成单一样本等问题。基于此,结合图像数据集合的特点,提出一种基于特征域的优化算法(Feature domain optimization,FDO)用于小样本图像转换。为解决图像转换中因图像样本数量受限而导致的转换效果差的问题,引入对抗思想进而采用自适应提取特征域和共享域信息来将图像特征信息划分为类别信息和内容信息,从而利用源域中多类丰富的图像缩小参数空间;引入噪声添加策略,使得网络不局限于单一样本的生成,从而减缓模式崩塌问题;最后依据源域和目标域的特点,构建重建策略,利用弱化后的循环语义一致性完成图像转换任务,并获得视觉效果更好的转换图像。通过对给定图像集合进行实验结果分析,验证本文提出的FDO算法能够保留更多的源域图像细节信息进而生成更丰富的转换图像,具有更好的视觉效果,并具有一定的有效性。

关键词：图像转换小样本生成对抗图像表征增强特征域

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于端到端半监督生成对抗网络的视觉里程计

基于端到端半监督生成对抗网络的视觉里程计

作者：陈晗厦门大学

学位级别：硕士

视觉里程计是计算机视觉领域中的一个重要任务,视觉定位的精度很大程度依赖于局部特征的性能。在以往的工作中,一般通过手工设计的特征描述子来做局部显著点提取和匹配。本文将生成对抗网络引入视觉里程计的任务中,通过半监督学习的方... 详细信息

视觉里程计是计算机视觉领域中的一个重要任务,视觉定位的精度很大程度依赖于局部特征的性能。在以往的工作中,一般通过手工设计的特征描述子来做局部显著点提取和匹配。本文将生成对抗网络引入视觉里程计的任务中,通过半监督学习的方式同时生成轻量级的深度特征描述子和特征点,并在几何一致性匹配中加入语义信息,是一种半监督的端到端语义几何一致性生成对抗网络在视觉里程计中的应用。首先,我们将生成对抗网络引入视觉里程计中并提取深度特征点和深度特征描述子,同时加入语义信息约束语义几何一致性,该方法相比于快速的二值特征,不仅在特征的重复率和特征点匹配精确度上有所提升,同时速度也与二值特征方法相当;其次,与以往的全监督和无监督的深度特征不同,本文方法是第一个利用半监督方式同时学习深度特征描述子和特征点的语义几何一致性视觉里程计。实验表明生成对抗网络能够减小半监督学习数据限制的影响且在特征拟合方面性能优越。并且还验证了在几何一致性匹配中加入语义信息能够提升视觉里程计性能。本方法将基于语义几何约束生成对抗网络的特征点与描述子应用在KITTI视觉定位数据集上,能够取得双目视觉里程计第二名的效果。

关键词：视觉里程计生成对抗几何一致性

基于改进深度卷积生成对抗网络及其在害虫识别应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进深度卷积生成对抗网络及其在害虫识别应用研究

作者：王铎吉林农业大学

学位级别：硕士

随着中国科学技术水平的不断提高和迅速发展,其在农业领域的研究和应用已经逐渐普及。但是,农作物病虫害的分类和识别是防治的重要组成部分,但由于害虫的隐蔽性、变态性、种群规模庞大的特点,传统的图像分类与识别方法面临着巨大的挑战... 详细信息

随着中国科学技术水平的不断提高和迅速发展,其在农业领域的研究和应用已经逐渐普及。但是,农作物病虫害的分类和识别是防治的重要组成部分,但由于害虫的隐蔽性、变态性、种群规模庞大的特点,传统的图像分类与识别方法面临着巨大的挑战。由于我国农作物病虫害防治体系不够完善,害虫的分类和识别方法也不全面,每年,由于农作物病虫害的持续增加,我国农作物产物持续减少,农业领域的发展受到了限制,经济效益也受到损害。利用改进后的神经网络图像分类技术能够有效地识别害虫。因此,本文选取了3个原始害虫的图像数据集,其来源于牛津大学采集的24类不同类型的田间昆虫数据和搜索引擎上采集的林业麦蛾4类和18类农作物卷蛾害虫数据以及我们实际拍摄的20类北方害虫数据作为研究对象。通过改进深度卷积条件生成对抗网络模型算法,为害虫识别提供了精准的分类依据,文本主要研究工作如下:(1)分析整理了现今对害虫识别相关算法的概述,并进行研究,归纳了传统害虫识别算法的缺陷,明确了基于深度学习与神经网络的害虫识别算法的研究思路。(2)对生成对抗网络进行了一系列的优化以及改进,提出了一种基于深度卷积条件生成对抗网络应用在害虫分类的算法。首先,利用空间金字塔层(SPP)来嵌入判别器的卷积层,使分类后的图像具有固定大小和相同尺寸,这不仅使模型获得了所需的图像特征,而且大大提高了模型的收敛速度。其次,将深度卷积条件生成对抗网络中的的交叉熵损失函数转换为最小二乘损失函数,使最小二乘损失函数在某一点达到饱和,从而增强了模型训练的稳定性。最后,利用RMSprop优化器对模型进行迭代优化,增强了模型的稳定性,使模型收敛更快,降低了网络的整体波动。深度卷积条件生成对抗网络在分类精度和稳定性方面具有明显优势,交叉验证得到的平均分类准确率高达96.8%,明显优于其他对比算法,具有较高的准确率和较好的稳定性,可以为相关研究工作提供参考。(3)建立了基于稀疏编码的深度卷积条件生成对抗网络模型,利用稀疏编码技术和深度卷积条件生成对抗网络的优点,将判别器中的卷积网络替换为了稀疏编码网络。通过实验以及交叉验证的方法,证明了网络模型的平均精度高达97%,模型的收敛速度大大增加,为害虫识别分类算法研究提供了一个强大有力的基础。

关键词：深度学习稀疏编码深度卷积生成对抗害虫识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于生成对抗网络的图像去雨方法研究

基于生成对抗网络的图像去雨方法研究

作者：李然太原理工大学

学位级别：硕士

在图像处理的研究过程中,所拍摄的图像是否清晰对于分析图像的特性至关重要,在影响图像清晰度的各种因素中,恶劣天气对于图像的拍摄有严重影响,其中雨天是不可避免的因素之一。因此,对雨天所拍摄图像上的雨滴以及雨条纹的去除,是确保图... 详细信息

在图像处理的研究过程中,所拍摄的图像是否清晰对于分析图像的特性至关重要,在影响图像清晰度的各种因素中,恶劣天气对于图像的拍摄有严重影响,其中雨天是不可避免的因素之一。因此,对雨天所拍摄图像上的雨滴以及雨条纹的去除,是确保图像清晰度的必不可少的研究过程。目前,去除附着图像上雨滴的方法主要包括传统方法,基于非生成对抗网络以及基于生成对抗网络的方法。其中传统方法耗时费力,效果显著性不强,非生成对抗网络方法去雨在恢复图像清晰度上还有欠缺,泛化性有待增强,目前已有的基于生成对抗网络的方法去除雨滴对于有雨区域关注太足,导致忽略图像全局依赖性的问题出现,以及去除雨条纹对雨条纹特征提取缺失。针对以上问题,本文提出改进的生成对抗网络对去除雨天拍摄图片上所附着的雨滴和雨条纹进行研究。(1)针对图像附着雨滴的问题,本文提出一种结合自注意和多尺度生成对抗网络的方法。由于对图像全局依赖性关注不足,在生成网络的自编码结构中加入自注意层以获取图像的全局信息;为了从细节层面提升图像的清晰度,引入多尺度判别器,可从图像的不同分辨率角度逐步优化生成网络,从而确保处理后图像清晰度的恢复。通过参数选择以及实验研究,加入自注意层和多尺度判别器后,通过实验证明,有雨图像和去雨图像相比,峰值信噪比提升0.17,结构相似性提升0.0374。综合实验结果及对比实验,结合自注意和多尺度的生成对抗网络对于雨滴去除效果更好。(2)针对图像附着雨条纹的问题,本文提出一种特征融合生成对抗网络的方法。由于雨条纹相比雨滴形状较小,分布更密集,因此去除雨条纹过程中容易忽略雨条纹边缘以及细节信息。首先通过小波变换分离出图像高频信息,并通过卷积和SE(Squeeze-and-Excitation)模块提取并增强图像高频特征,然后将高频特征和网络所提取原雨条纹图像的特征进行叠加融合,以便网络更准确学习雨条纹特征最终去除,恢复清晰图像。通过实验证明,图像的峰值信噪比和结构相似性分别提升0.74和0.0233。因此,特征融合有利于雨条纹的有效去除。对于雨滴去除本文采用自注意生成网络和多尺度判别网络结合,对于雨条纹去除本文采用特征融合生成对抗网络的方法,本文通过在定量和定性两方面进行总结分析,说明本文所提的改进生成对抗网络对雨天拍摄照片上的雨滴和雨条纹的去除效果都有所提升,图像的清晰度恢复更高。由于图像去雨在研究图像处理过程中属于准备步骤,因此,最后,本文搭建图像去雨原型系统,包含本文所研究的图像去除雨滴以及图像去除雨条纹,实现不同模型的可视化操作,并且可以展示并保存去雨结果。

关键词：去雨生成对抗自注意多尺度高频 SE

基于生成对抗网络的磁共振伪健康脑图像生成方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于生成对抗网络的磁共振伪健康脑图像生成方法研究

作者：王杰祥厦门大学

学位级别：硕士

在众多医学疑难杂症中,脑肿瘤的医治面临着严峻的挑战。为了提高脑肿瘤的诊断效率,近年来,基于深度学习方法的MR脑肿瘤分割技术发展迅速,并取得了显著的分割效果,其核心在于建立图像与分割标签之间的映射关系。不同于深度模型的分割方法... 详细信息

在众多医学疑难杂症中,脑肿瘤的医治面临着严峻的挑战。为了提高脑肿瘤的诊断效率,近年来,基于深度学习方法的MR脑肿瘤分割技术发展迅速,并取得了显著的分割效果,其核心在于建立图像与分割标签之间的映射关系。不同于深度模型的分割方法,在实际脑肿瘤诊断中,医生往往通过对比健康脑图像的形态结构来精准分割脑肿瘤区域。受此启发,本文旨在生成与脑肿瘤图像对应的高质量伪健康脑图像。由于现实医学场景中不存在与脑肿瘤图像对应的健康脑图像,故本文采用在无监督生成领域效果优异的生成对抗网络来进行生成任务。在基于生成对抗网络的MR伪健康脑图像生成任务上,主要存在三个难点:第一,实际医学场景中不存在与脑肿瘤图像一一对应的健康脑图像,故无法进行有监督学习;第二,由于生成对抗网络的高度变化性,容易导致生成的样本不受控;第三,不存在生成图像对应的全参考图像,故难以评价生成图像的质量。本文针对以上三个难点,提出了基于生成对抗网络的伪健康MR脑图像生成模型ANT-GAN及其生成质量评价方法。针对第一个难点,本文引入了循环生成对抗训练方式,该方式能够在无成对样本的条件下取得良好的生成效果;针对第二个难点,本文提出了全局跳连结构和健康区域一致性目标损失函数,从而约束生成器在进行图像转换时,尽可能只改变肿瘤区域,非肿瘤区域即健康区域保持不变;针对第三个问题,本文提出了多种方法来间接或直接评价生成样本的质量,包括生成图像可视化、t-SNE特征分布、健康区域PSNR指标和分割/分类性能。本文所提算法在MR脑肿瘤数据集Brats18上进行实验,定性和定量结果表明ANT-GAN在MR伪健康脑图像生成任务上效果显著,生成的MR伪健康脑图像能够提升基于深度学习的脑肿瘤分割和分类任务的性能。并且,本文在CT肝脏病灶数据集LiTS上进行生成实验,实验结果表明ANT-GAN在CT肝脏伪健康图像上的生成效果显著,说明了 ANT-GAN对于不同的伪健康图像生成任务具有一定的普适性。

关键词：深度学习肿瘤区域质量评价生成对抗脑图像生成