检索结果-南通市图书馆

作者：李文俊哈尔滨工业大学

学位级别：硕士

随着半导体LED芯片需求的爆炸式增长及其结构趋于小型化,半导体封装设备对生产效率与生产精度的要求越来越高。引线焊接机作为半导体封装产业的重要设备,其视觉定位系统直接影响到了芯片引线焊接的精度与效率。然而,目前效果较好的国外... 详细信息

随着半导体LED芯片需求的爆炸式增长及其结构趋于小型化,半导体封装设备对生产效率与生产精度的要求越来越高。引线焊接机作为半导体封装产业的重要设备,其视觉定位系统直接影响到了芯片引线焊接的精度与效率。然而,目前效果较好的国外视觉定位软件授权费用昂贵,国内视觉定位软件定位精度与效率又无法达到快速生产要求。在这样的背景之下,提出了针对引线焊接机视觉定位系统关键技术研究的课题,包括引线焊接机视觉定位系统的搭建、视觉定位算法研究、采集图像的图像质量评估方法研究和引线焊接机光学镜头的线上检测方法研究。根据引线焊接机视觉定位系统成像的视野大小、分辨率与帧率要求对图像采集系统进行设计,根据具体工作场景进行视觉系统结构的设计。根据视觉定位系统对定位精度、时间和稳定性的要求,提出了一种基于像素值的混合模板匹配算法,使用归一化积相关计算图像的相似度值,使用金字塔技术加快图像的匹配时间,使用二次曲面拟合的方法得到图像的定位精度,使用多角度模板匹配与扇形向量匹配结合的方法进行图像角度的匹配。针对采集图像质量对视觉定位精度有较大影响的问题,将基于生成对抗网络的图像质量评估方法引入到视觉定位系统中,对采集图像质量进行实时监督。在图像质量评估方法的研究中,使用生成对抗网络生成采集图片的伪参考图,将无参图像质量评估的问题转化伪有参图像质量评估的问题。针对图像采集系统的生产需求,提出了一种简易的光学镜头的检测方法,能够有效、方便、快速地对光学镜头的放大倍率、均匀性和分辨率进行检测。通过实验,有效验证了本文提出的视觉定位算法和图像质量评估算法的有效性,能够达到引线焊接机视觉定位系统高效率、高精度和高稳定性的设计要求。同时对焊点进行质量视检及拉力、推力检测,证明了使用该视觉定位系统的引线焊接机的最终焊点质量能够达到生产要求。

关键词：引线焊接视觉定位图像质量评估生成对抗光学镜头检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的视频预测算法研究与应用

基于深度学习的视频预测算法研究与应用

作者：李晨鸣江南大学

学位级别：硕士

随着深度学习的持续发展,视频预测研究也取得了重大进展。视频的基本组成单元是图像帧,可以用来进行预测和学习,以便更好地理解未来的可能性。虽然视频预测也是对连续的图像进行表示学习,但不同于视频异常检测、视频分类等区分任务,后... 详细信息

随着深度学习的持续发展,视频预测研究也取得了重大进展。视频的基本组成单元是图像帧,可以用来进行预测和学习,以便更好地理解未来的可能性。虽然视频预测也是对连续的图像进行表示学习,但不同于视频异常检测、视频分类等区分任务,后者只提取有利于识别或检测的关键特征,如物体轮廓和纹理特征,而不保留整个图像或视频的细节。然而,视频预测是一项更具挑战性的生成任务,不仅需要从过往的连续图像中提取各种特征,还需要对高度复杂和动态的场景进行建模。当前,视频预测技术已经成为计算机视觉领域的一个重要研究课题,它在异常检测、机器人决策、天气预报、自动驾驶等领域都有着广泛的应用。本文对卷积长短期记忆网络搭建时空自编码器为主的视频预测网络模型进行研究并从两种不同的视角进行结构改进,以提高视频预测的精度。首先,改进一种基于卷积长短期记忆网络和编解码结构的预测模型,该网络内部的时空信息学习模块包含复杂运动特征提取单元和差分门操作,有效增强了模型对未来场景中物体内部运动变化的表征,创新性地设计了一种自注意力机制模块,提高网络捕获多帧预测中时空动态的长期依赖关系能力,在国内外的驾驶场景数据集(D-City和BDD100K)进行了相关实验,实验结果表明该算法相比单一卷积长短期记忆变体网络模型的结构预测性能更好。其次,针对上述预测结构在捕获短期运动变化时所产生的低效问题,改进一种将未来的帧预测建模为两个分支网络,通过对相邻图像帧的差异进行预测学习,有效指导主干预测网络对短期运动变化特征的信息捕获,设计了一种差分注意力机制DAM(Differential Attention Mechanism),指导卷积编码器根据不同位置瞬时运动的强度合理分配注意资源,该模块旨在缓解图像编码造成的运动细节丢失问题,创新性地引入三维卷积神经网络作为生成对抗过程中的序列帧鉴别器,保证了预测序列帧与真实序列帧之间的数据时空联合分布。在KITTI驾驶数据集、Caltech行人数据集和UCF-101动作识别数据集上都进行了实验,实验结果表明提出的生成式运动辅助判别网络与目前主流的预测算法相比在多个数据集上实现了最先进的预测效果,为后续相关的视频处理任务提供了一个通用的基础框架。最后,本文对第二类视频预测模型的网络结构进行了拓展,通过视频预测的方式在CUHK Avenue行人异常行为数据集上进行视频帧级的异常检测任务,提出的算法与其他相关的视频异常检测方法相比,在检测准确率上有一定的提升。实验表明在视频预测任务上提取到的连续图像特征具有高度的泛化性。

关键词：视频预测深度学习卷积长短期记忆网络注意力机制生成对抗

面向司法文书的文本智能纠错与质量估计方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向司法文书的文本智能纠错与质量估计方法研究

作者：白明骏哈尔滨工业大学

学位级别：硕士

为了解决司法文书的语法错误纠正及文本质量估计问题,本文通过多种方法及实验研究上述问题的解决方法。通过研究当今研究现状,了解当前领域的常用解决方案,并融合司法文书相关特征,对于司法文书文本纠错问题,提出面向司法文书的基于规... 详细信息

为了解决司法文书的语法错误纠正及文本质量估计问题,本文通过多种方法及实验研究上述问题的解决方法。通过研究当今研究现状,了解当前领域的常用解决方案,并融合司法文书相关特征,对于司法文书文本纠错问题,提出面向司法文书的基于规则和语言模型的纠错方法以及基于深度模型的纠错方法;对于司法文书文本质量估计问题,提出基于语义理解的文本质量估计方法。通过实验,证明上述方法可以较为有效地对司法文书中的语法错误进行纠正并且准确合理地估计司法文书的文本质量。本文提出了面向司法文书的基于规则及语言模型的纠错方法以及融合了生成对抗框架的文书文本纠错方法,并与主流方法进行对比从而证明其有效性;同时提出了基于语义理解的文本质量估计方法,并辅以文书结构化处理,从而更好地对司法文书进行文本质量估计。对于语法错误纠正任务,无论是基于规则的方法还是基于神经网络的方法均被证明较为有效,但不同方法所擅长纠正的错误类型则较为不同。为了最大化模型纠错效果,现今许多较为优秀的文本纠错方法会将错误分级分类逐个解决。本文的纠错方法同样继承了这一思路。首先利用基于规则及语言模型的方法纠正错别字等浅层错误,之后利用深度模型方法解决深层的语法错误。并且在利用深度模型方法前将待纠错文本中的错别字错误纠正会进一步提升深度模型的纠错效果。在基于语言模型的错别字纠错方法中,本实验在借鉴pycorrector中的基于规则和语言模型的方法的同时也进行了多方面的优化,使得面向司法文书的错别字纠正效果得以进一步提升。为了使语言模型学习到的规则更加符合司法文书文本特点,首先利用Bi LSTM+CRF的实体识别方法构建司法文书词汇库,之后进一步利用面向司法的混淆词典匹配方法、音近型近字典匹配方法、编辑距离方法以及基于n-gram语言模型的方法对司法文书中的浅层错误进行纠正,且借此对深层语法错误的纠正进行铺垫。对于深层语法错误的纠正,考虑到人工成本等问题,本实验将文本纠错任务看作单语翻译任务,利用机器翻译模型,将待纠错文本翻译为正确文本,并且利用构建的包含司法文书信息的“错误-纠正”语料对语料库对模型进行训练。首先利用LSTM+Attention方法及基于自注意力的Transformer方法进行纠错的实现。之后为解决上述两方法中存在的暴露偏差问题,引入了生成对抗模型。基于Seq GAN的思想,利用蒙特卡洛树搜索及策略梯度方法解决了生成对抗模型用于离散文本数据时存在的梯度难以回传问题。通过实验证明了以基于自注意力的Transformer模型作为生成器的生成对抗模型在司法文书文本的纠错任务中有相较其它方法更为优秀的效果。为辅助司法文书文本质量优化,本实验提出基于深度模型的文本质量估计方法。为了使司法文书文本特征同样计入质量估计评价因素中,通过采用预训练模型BERT对司法文书文本进行融合语义信息的词向量的抽取,并利用深度学习方法实现基于语义理解的司法文书质量估计方法。同时对司法文书进行结构化处理,通过对处理后的文书进行模板匹配,辅助司法文书的质量估计。并通过实验证明此方法在文本质量估计中的有效性。

关键词：司法文书文本纠错注意力机制生成对抗质量估计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的电路板字符检测方法研究

基于深度学习的电路板字符检测方法研究

作者：喻智江南大学

学位级别：硕士

目前在生产和生活的各方面自动化程度越来越高,字符检测技术在工业场景下的应用获得了越来越多的关注。在整个生产过程中,图像中的字符信息作为产品的唯一标识,贯穿其整个生命周期。对于人工字符检测而言,难以做到长时间的高效率、高精... 详细信息

目前在生产和生活的各方面自动化程度越来越高,字符检测技术在工业场景下的应用获得了越来越多的关注。在整个生产过程中,图像中的字符信息作为产品的唯一标识,贯穿其整个生命周期。对于人工字符检测而言,难以做到长时间的高效率、高精度检测,且工业场景中的外界干扰,使得图像质量退化,给字符检测和识别带来困难。因此,使用计算机视觉技术实现工业场景字符自动检测成为工业生产流程中的重要环节。针对工业场景下电路板字符检测过程中存在的问题进行研究,使用深度学习方法,可以有效提高工业字符检测精度和效率。论文主要研究如下:1.针对工业现场由于图像采集过程中机械抖动或其他外界因素导致图像模糊问题,基于生成对抗网络算法框架,提出一种多级可迭代网络生成器。多级可迭代网络将复杂的去模糊任务分解为多个简单的子任务,为丰富更多细节,在迭代过程中,采用课程学习策略。改变每次迭代的图像尺度大小间接改变去模糊任务的难度。归一化操作能够有效地提升网络收敛速度,采用部分实例归一化进行归一化处理,保留部分中间特征,并进一步保留特征的上下文信息。在多级可迭代网络中,存在不同尺度的生成图像和真实图像。为了解决高分辨率图像只用一个判别器需要更深的网络或者更大的卷积核的问题,本文使用多尺度判别器,多尺度判别器具有相同的结构,但可用来判别不同尺度的图像。实验结果显示,峰值信噪比和结构相似性指标分别为31.69d B和0.962。2.针对字符实例中两个字符间距偏大或偏小且字符样本分布不均,容易产生误判的问题,提出一种基于像素分配方的工业场景字符检测方法。采用循环注意力模块与特征自适应融合模块分别在空间和通道上优化特征提取。为了有效获取上下文信息,循环注意力模块将主干网络提取到的特征送入交叉注意力模块。为了丰富不同尺度的特征表示,特征自适应融合模块自动分配不同组特征权重。通过全卷积网络方法,使用多任务学习框架学习文本实例的几何特征。结合多任务学习的结果完成像素到文本框的分配,经过简单处理后重建文本实例的多边形边界框。实验结果显示,该方法对电路板字符检测的召回率、精确率、以及综合评价指标F1值分别为91.49%、93.78%、92.62%。3.设计和开发一款电路板字符检测系统,电路板字符检测的核心功能包括数据集制作模块、电路板字符检测模块、电路板信息绑定模块。通过实际场景下的图像进行测试分析,对各种电路板的字符进行检测,实验结果表明,本系统能很好地满足实际生产需要。

关键词：电路板字符检测深度学习生成对抗像素分配

用Stein变分梯度下降法处理扩散过程转移密度函数的Hermite展开的逼近序列

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

用Stein变分梯度下降法处理扩散过程转移密度函数的Hermite展开的...

作者：易江晟浙江大学

学位级别：硕士

在扩散模型的参数估计方法中,由AYt-Sahalia(2002)提出的将转移密度函数Hermite展开,继而逼近该展式得到显式的解析式,从而构成近似的似然函数,其可处理转移密度函数未知的情形,且逼近的解析式十分精确.但是,其作为一种近似的似然法,无... 详细信息

在扩散模型的参数估计方法中,由AYt-Sahalia(2002)提出的将转移密度函数Hermite展开,继而逼近该展式得到显式的解析式,从而构成近似的似然函数,其可处理转移密度函数未知的情形,且逼近的解析式十分精确.但是,其作为一种近似的似然法,无法避免转移密度函数逼近序列的非正则化问题(即该逼近序列积分后不等于1).本文利用新近提出的Stein变分梯度下降法(SVGD)处理此逼近序列,克服了其非正则化的壁垒,从而实现了从正则化的转移密度函数逼近序列抽样继而生成扩散过程的模拟路径.本文还构造了用生成对抗的方式求解正则化的近似最大似然估计(GA-NA-MLE)的方法.此外,本文还给出了相关的收敛性结果和正则化的转移密度函数逼近序列的几种后续应用,包括:1、金融衍生品定价;2、参数形式扩散模型族的确定问题;3、不同参数形式的扩散模型差异比较.

关键词：扩散过程转移密度函数 Hermite展开正则化变分梯度下降 Stein特征抽样生成对抗近似最大似然估计弱收敛相合估计金融衍生品定价参数模型族的确定与比较

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的鱼类识别研究

基于深度学习的鱼类识别研究

作者：胡泽涛青岛科技大学

学位级别：硕士

鱼类识别是高效探索、开发与利用渔业资源的重要技术手段之一,已在水下机器人探测、水产养殖监测和鱼产品加工分拣等场景有了深层次的应用。鱼类图像的识别应用过程中,依然存在着各种问题,如鱼类数据集数量少、数据集类别不平衡、小目... 详细信息

鱼类识别是高效探索、开发与利用渔业资源的重要技术手段之一,已在水下机器人探测、水产养殖监测和鱼产品加工分拣等场景有了深层次的应用。鱼类图像的识别应用过程中,依然存在着各种问题,如鱼类数据集数量少、数据集类别不平衡、小目标漏检率高和水下图像质量差等,这些问题在很大程度上影响了鱼类识别准确率的提升。为解决鱼类识别目前存在的难点问题,本文通过分析对比国内外最新研究成果,对基于深度学习的鱼类识别算法进行深入研究。本文的主要研究内容有:(1)在鱼类识别的预处理阶段,针对数据集数量少、类别不平衡问题,本文在样式生成对抗网络(Style Generative Adversarial Networks 2,Style GAN2)的基础上进行研究与改进,实现鱼类图像扩充。文中提出了噪声抑制样式生成对抗网络(Noise-Suppressed Style Generative Adversarial Networks 2,NS-Style GAN2),通过去除原始Style GAN2中合成网络的低分辨率层噪声输入,保留高分辨率层噪声输入,从而抑制低分辨率层的噪声权重,使Style GAN2生成的样本细节特征更逼近真实样本特征。与同类网络中表现最好的Style GAN2相比,在多样性、真实性方面综合提升了8.98%,可以更好地对数据集进行有效扩充。同时采用扩充后数据集训练的模型,其平均检测准确率相较于采用原始数据集训练的模型提升了1%。因此使用本文提出的NS-Style GAN2扩充数据集可以提高鱼类识别准确率。(2)在基于卷积神经网络的目标识别算法中,针对小目标漏检率高,识别准确率低的问题,本文在Center Net2的基础上进行研究与改进,实现低漏检率小目标识别,提高鱼类识别准确度。文中提出了一种基于融合高效金字塔分割注意力网络的中心点目标检测方法(Center Point Network 2 with Efficent Pyramid Split Attention,EPSA-Center Net2),该方法将高效金字塔分割注意力网络(Efficent Pyramid Split Attention Network,EPSANet)融入Center Net2中,以提升复杂背景下小目标检测准确率,从而提升总体识别准确率。EPSA-Center Net2与同类网络中表现最好的Center Net2相比,在平均精度方面综合提升了2.15%,能够更好地应对小目标鱼类识别。(3)针对水下图像鱼类识别中图像对比度低、可视范围小、色彩失真严重造成的检测准确率低这一问题,本文基于目标检测网络YOLOv4设计了一种融合去雾网络GCANet的水下鱼类图像识别算法。本文结合混合空洞卷积与特征金字塔网络对GCANet改进,设计了一种新的图像去雾网络HF-GCANet,使GCANet能够深度融合多层次特征,提升水下图像去雾效果;修改HF-GCANet的网络参数,使其融入YOLOv4输入模块与主干网络模块之间,以提升低质量水下图像鱼类识别准确率。HF-GCANet与同类网络中表现最好的GCANet相比,在PSNR与SSIM方面综合提升了7.02%。GCA-YOLOv4与同类网络中表现最好的YOLOv4相比,在平均精度方面综合提升了8.22%。因此,HF-GCANet能够更好地应对水下图像去雾,GCA-YOLOv4能够更好地应对低质量水下图像鱼类识别。

关键词：鱼类识别深度学习生成对抗图像去雾目标检测

面向非平行数据的文本情感迁移及生成研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向非平行数据的文本情感迁移及生成研究与实现

作者：刘悦北京邮电大学

学位级别：硕士

在深度学习领域中,相比于图像的生成和风格迁移,文本的风格迁移和语义控制还存在很多挑战。文本风格迁移即针对文本表达的情感倾向、时态或话题等属性进行改写从而生成符合目标特性的文本。这其中涉及的语义控制、风格控制等技术对于可... 详细信息

在深度学习领域中,相比于图像的生成和风格迁移,文本的风格迁移和语义控制还存在很多挑战。文本风格迁移即针对文本表达的情感倾向、时态或话题等属性进行改写从而生成符合目标特性的文本。这其中涉及的语义控制、风格控制等技术对于可控文本生成至关重要。本文针对情感这一广受关注的属性研究并实现文本改写算法。然而平行语料的标注耗费资源且依赖于此的有监督模型效果受制于标注数据的数量和质量,因此本论文聚焦于非平行语料的文本情感迁移与生成算法。这其中文本情感和语义内容的拆分和重组、不同情感间映射关系的建模都颇具挑战。本文针对现存方法在情感转换准确性及内容生成方面的不足提出以下两种改进的深度学习模型。1)基于注意力机制及生成对抗原理的CAM-DAE模型,其通过注意力机制完成情感和内容的拆分,同时通过对抗学习完成无监督情感改写。实验证明该模型性能相比基线模型有明显提升。2)基于无监督回译原理的BTM模型,该模型对两类文本间的转换关系进行建模,通过回译产生伪平行语料进而迭代优化模型。该模型相比基线模型性能明显提升,尤其在文本语义保留方面取得了突破性进展。此外,本文基于BTM模型设计并开发了一款自动评论生成系统。此系统能够自动生成特定主题及情感的评论集,辅助用户进行评论发表。

关键词：文本改写序列到序列生成对抗翻译模型语言模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向乐谱的伴奏音乐生成关键技术研究

面向乐谱的伴奏音乐生成关键技术研究

作者：吴长轩福州大学

学位级别：硕士

随着人工智能技术的快速发展,深度学习在音频生成领域的应用日渐成熟,并逐渐从语音生成扩展至音乐生成领域。尽管一定程度上,音乐可以看作是一种比较复杂的语音音频,但音高、旋律、音色、和弦等音乐乐理信息使得音乐音频具有更为复杂的... 详细信息

随着人工智能技术的快速发展,深度学习在音频生成领域的应用日渐成熟,并逐渐从语音生成扩展至音乐生成领域。尽管一定程度上,音乐可以看作是一种比较复杂的语音音频,但音高、旋律、音色、和弦等音乐乐理信息使得音乐音频具有更为复杂的结构,也给音乐生成带来较大的挑战。因此,音乐生成领域的相关研究越来越受到关注。面向乐谱的伴奏音乐生成可以根据数字化表征的乐谱自动生成由乐器演奏而成的音乐音频,既可应用于卡拉OK伴奏音乐自动生成等场景,亦可帮助音乐作曲家自动生成伴奏音乐以提升创作效果,是音乐生成领域中的一个新兴的研究方向,具有良好的应用前景。因此,本文围绕着面向乐谱的伴奏音乐生成问题,就其深度生成模型,音色优化以及特定音色生成等若干关键技术展开研究。首先,本文借鉴Tacotron语音生成模型的框架,采用Piano-roll作为乐谱的数字化表征,引入CBHG作为编码器提取乐谱中的音高、旋律信息,再通过GRU解码器生成音频频谱图,最终经由声码器生成非特定乐器演奏的伴奏音乐。考虑到人耳对于音乐旋律较为敏感,为增强生成音乐的旋律性,该模型特别引入位置敏感注意力机制以提高模型的旋律敏感度,进而提高生成音乐的旋律感。其次,由于音色与音频的谐波与泛音相关,不同频率的振动产生的谐波相互叠加,使得音色特征表征复杂而较难习得,导致生成音乐音色与真实音乐音色间存在一定差距。对此,本文引入多频带残差网络对频谱图进行分频带处理的同时,将多频带残差网络作为生成器与判别器进行生成对抗训练,以无监督的方式习得更完整的多音音乐的谐波分布,以改善生成音乐的音色质量。进一步地,为了使生成的伴奏音乐具有指定乐器的音色,本文在生成模型中引入逐特征线性调制,通过简单线性函数构建高维音色空间,并可将指定的乐器标签映射至高维音色空间,并与高维的音高、旋律特征通过仿射变换进行融合,最终生成具备指定乐器音色的伴奏音乐。主客观实验表明,本文提出的面向乐谱的伴奏音乐生成模型性能良好,生成的非特定乐器演奏的伴奏音乐在音高、旋律方面与真实音乐一致,多频带残差网络的引入进一步缩小了生成音乐与真实音乐在音色方面的差距,而逐特征线性变换的引入使不同乐器音色的表征融入音高、旋律信息中,从而实现指定乐器音色的伴奏音乐生成。

关键词：音乐生成生成对抗指定音色

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

机器学习在纳米光子结构设计方面的应用研究

机器学习在纳米光子结构设计方面的应用研究

作者：潘鹏北京邮电大学

学位级别：硕士

纳米光子结构就是利用纳米技术通过人为设计将两种或多种天然材料进行组合的复合结构。此类复合结构在材料选择、结构参数等方面存在着极大的设计空间,现如今纳米光子结构在光电探测器、完美吸收、非线性光学、热发射器、光伏系统等领... 详细信息

纳米光子结构就是利用纳米技术通过人为设计将两种或多种天然材料进行组合的复合结构。此类复合结构在材料选择、结构参数等方面存在着极大的设计空间,现如今纳米光子结构在光电探测器、完美吸收、非线性光学、热发射器、光伏系统等领域都发挥着重要的作用。然而,传统的结构设计方法由于设计者的实验条件与理论知识的影响,设计空间与设计效果严重受限。近年来,利用机器学习方法来完成纳米光子结构设计成为众多国内外研究者的研究热点。与传统设计方法相比,机器学习利用大量数据进行模型训练的特点极大的提高了结构的设计空间和设计效率。本文针对多层薄膜的吸收光谱设计问题,在已有的模型研究基础上,基于机器学习思想对其进行创新,设计搭建了两种神经网络模型架构。并且在设计准确性、设计效率、模型泛化能力、面对新问题的模型可迁移能力等方面对设计搭建的模型进行全面评估以及仿真验证。提出了一种基于生成对抗思想的模型设计架构,增加了判别器模块目的是提高模型收敛效率与泛化能力。同时还提出了一种基于多任务学习思想的模型设计架构,将并行的设计问题进行分解处理,目的是提高模型的预测准确性。对于同一验证集,本文设计模型架构与传统神经网络模型架构相比,预测光谱仿真误差分别降低了 33%与30%。同时将本文设计的模型应用于太阳能吸收器的设计应用中,目的是针对特定波谱范围实现完美吸收,最终模型预测设计出一组多层薄膜太阳能吸收器参数,经仿真验证其结构在300至1500nm之间平均吸收率可以达到96%。

关键词：纳米光子结构机器学习生成对抗多任务太阳能吸收器

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

跨模态心脏医学图像域自适应分割算法研究

跨模态心脏医学图像域自适应分割算法研究

作者：付殿臣长春工业大学

学位级别：硕士

心血管疾病是世界上导致人类死亡的高发疾病,对心血管疾病进行提前预防和有效治疗是一个全球研究的热点问题。心脏是心血管系统中最重要的器官,通过对心脏各个子结构的研究,可以获得心脏的各项性能指标和病理特征。因此,准确地分割心脏... 详细信息

心血管疾病是世界上导致人类死亡的高发疾病,对心血管疾病进行提前预防和有效治疗是一个全球研究的热点问题。心脏是心血管系统中最重要的器官,通过对心脏各个子结构的研究,可以获得心脏的各项性能指标和病理特征。因此,准确地分割心脏部位对心血管疾病的预防和治疗起着十分关键的作用。心脏的影像往往呈现多模态的形式,在实践中对心脏类疾病的诊断经常采用多种成像方式来综合分析,利用不同模态的图像进行相同的分析任务有很大的临床意义。另外,心脏各个子结构存在重叠或者边界模糊等问题,导致心脏分割任务难度增大。为了充分挖掘并利用不同模态心脏图像的相关性特征以及针对心脏分割任务中各心脏子结构上下文信息联系匮乏,分割效率、准确率低等问题,本文提出了一种跨模态全心脏自适应分割算法,具体的工作展开如下:（1）基于生成对抗网络实现跨模态医学图像域自适应,融合传统的Unet模型,重新设计主干特征提取编码网络,与残差模块（Res Block）结合并增加并行空洞卷积（Dalited Convolution）特征提取模块,通过加深特征提取网络和增大感受野来提升模型特征提取性能。（2）针对心脏像素中占比较小的子结构分割精度低的问题,引入空间和通道多注意机制,并提出了改进的多注意力模块（MASC）。通过注意力层的掩码加权使得特征提取网络更加注重某些特征层和心脏图像空间区域的关键特征,同时抑制了心脏图像背景等空间区域的无效特征。（3）将跨模态图像自适应算法和改进的分割算法进行算法融合,算法在特征提取阶段共享了网络参数,使得在自适应和分割两个任务之间可以互益。算法最终实现了CT和MR两种模态在图像级别和特征级别的自适应转换,同时实现了自适应任务和分割任务端到端的模型训练与测试。最后,本文提出的方法在MACCAI协会提供的全心脏分割和脑胶质瘤分割比赛数据集上进行训练和测试。其中,图像跨域自适应转换实验使用全心脏分割二维切片数据,并与现有的算法得到的结果比较,取得了更好的观感结果。在进行心脏分割实验之前,首先使用脑胶质瘤数据作为算法的辅助实验进行性能测试,之后使用心脏分割数据集对融合后的算法进行了跨模态数据的分割测试,并取得了较为精确的分割结果。

关键词：生成对抗跨模态图像自适应全心脏分割注意力机制