检索结果-南通市图书馆

检索条件"主题词=离散化编码"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于小样本学习的图像生成

基于小样本学习的图像生成

引用

作者：王峥力南京理工大学

学位级别：硕士

目前的计算机视觉技术已经深度进入人们的生活,也成为了工业制造中不可或缺的一部分。图像生成技术,在深度学习技术的蓬勃发展的影响下,也得到了长足的进步。图像生成技术可以通过已有的图像生成从未见过的新图像,具有很大的应用潜力。... 详细信息

目前的计算机视觉技术已经深度进入人们的生活,也成为了工业制造中不可或缺的一部分。图像生成技术,在深度学习技术的蓬勃发展的影响下,也得到了长足的进步。图像生成技术可以通过已有的图像生成从未见过的新图像,具有很大的应用潜力。同时,小样本学习旨在通过较少的样本的训练,能够对未见过的新类进行准确的分类,其研究目标是提高模型的泛化性,对于一些数据稀缺的领域有着较高的应用价值。小样本图像生成,作为图像生成和小样本学习的交叉领域,也就应运而生了。小样本图像生成旨在通过现有类别的图像的训练,在测试阶段,通过少量的新类图像,如一至三张新图像,能够为其生成大量具有真实度和多样性的新图像。小样本图像生成主要包含三种类型的方法,分别为基于转换的小样本图像生成,基于优化的小样本图像生成以及基于融合的小样本图像生成。本文在基于融合的小样本图像生成方向进行了一定的探索,主要工作如下:(1)提出了一种基于白化与着色的小样本图像生成方法,称之为WCTGAN。早期的基于融合的小样本图像生成方法使用随机插值向量进行特征层面的融合,但通常生成图像中会产生伪影,这是由于不同融合图像占有权重接近导致的。WCTGAN在基于融合的方法MatchingGAN的基础上,引入了风格层面的融合,在小样本图像生成任务中加入了白化与着色模块,使得图像的融合过程不再仅局限于利用随机插值向量进行线性融合,而可以使得不同风格的图像进行融合,产生新的融合结果,提升了图像的多样性。同时,加入了主成分筛选机制,使得总有一张输入图像作为融合中的主要成分,较好地解决了MatchingGAN中存在的较为严重的伪影问题,提高了图像的真实度。WCTGAN在MatchingGAN的基础上取得了不错的进步,并在Animal Faces,Flowers,VGGFace三个数据集上进行了定量和定性的实验,证明了所提方法的有效性。(2)提出了一种基于动态局部分布估计和采样的小样本图像生成方法,称之为Lies-GAN。针对之前的基于融合的方法不能很好将融合后的图像的分布与输入图像的分布保持良好一致性的问题,Lies-GAN创新性地使用局部分布估计和采样的方式来创造图像的多样性,并通过选择与参考图像相似度最高的描述子来保持图像和输入图像分布的一致性,保持真实度。Lies-GAN对编码器得到的特征图的局部深度描述子进行均值和方差的统计,并以多元高斯分布作为先验分布估计出输入图像的局部深度描述子的分布。在重构过程中,随机选择一张输入图像作为参考图像,以其特征图作为空间信息的补充,计算每个位置与采样得到的描述子库中的每个描述子的相似度,选择最高值作为该位置的替换,从而等价于对采样得到的描述子恢复了空间信息。Lies-GAN在Flowers,Animal Faces,VGGFace三个常用数据集上进行了定量和定性的实验,实验结果在当时的基于融合的方法中取得了最优。

关键词：图像生成小样本学习小样本图像生成风格迁移离散化编码分布估计局部深度描述子

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于循环神经网络的轨迹补全研究

基于循环神经网络的轨迹补全研究

引用

作者：翁泽峰华南理工大学

学位级别：硕士

随着移动互联网的普及以及获取地理坐标的移动设备无处不在,我们能够获取到海量的用户地理坐标数据。通过这些地理坐标数据,我们能够揭示用户的日常活动区域。但是,用户上报位置坐标的行为具有随机性,使得获取到的地理坐标数据不连续且... 详细信息

随着移动互联网的普及以及获取地理坐标的移动设备无处不在,我们能够获取到海量的用户地理坐标数据。通过这些地理坐标数据,我们能够揭示用户的日常活动区域。但是,用户上报位置坐标的行为具有随机性,使得获取到的地理坐标数据不连续且具有稀疏性,为我们分析不同时期下用户的位置分布提供了巨大的挑战。同时,目前主流的基于轨迹的研究都是针对于某一个位置点的预测,通常这种位置点都是地图上的兴趣点,例如景点,公园或者商圈。但是针对于轨迹缺失的问题,通过预测某一个位置点是无法解决问题的。用户在某个轨迹缺失时间段内,其出现的地点具有多种可能性,因此本文采用位置分布代替位置点去对缺失时间段内的轨迹进行补全。本文针对轨迹稀疏等原因导致的缺失轨迹的情况,提出了一种轨迹补全的方法,所作的工作如下:1、本文提出了采用Google S2编码方式对海量的用户坐标进行离散化,同时根据城市的人口分布情况,对低频出现的地段进行聚合,从而达到使用不同等级的Google S2编码进行离散化,降低位置编码的规模。2、区别于大多数轨迹研究中轨迹嵌入（embedding）是随着模型训练而自适应训练的,本文设计了一种嵌入模型,同时加入位置点间的层级关系,来学习位置点间的潜在表征形式。3、本文提出了一种改进的双向递归模型来捕获分布中的固有时间变化,从而对轨迹进行补全。4、本文的实验是在超过1000万次位置上报的大型现实数据集中执行的,验证了模型的有效性。实验结果表明,基于Google S2编码的离散化表示,能够很好的降低模型的计算规模,从而减少模型上的时间开销。基于层级关系和轨迹数据而训练出来的轨迹嵌入,能够很好的捕获到位置点间的关系。最后基于改进的双向神经网络能够对缺失的轨迹进行补全。

关键词：用户行为轨迹补全位置嵌入离散化编码

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：