检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

储层速度建模分析及域转换

成都理工大学学报（自然科学版） 2017年第6期44卷 744-755页

作者：孙伟刘远洋高蕾景小燕中国石油化工股份有限公司北京100728 中国石化西南油气分公司勘探开发研究院成都610041

通过建模的方法建立全三维空变网格速度体进行时深转换。首先对井筒、地震速度谱数据进行严格质控;然后优选体趋势约束方法将单井速度内插外推。结果表明该方法可以将井筒速度和地震速度谱高效地融合为一体,包含了丰富的横向和纵向速度... 详细信息

通过建模的方法建立全三维空变网格速度体进行时深转换。首先对井筒、地震速度谱数据进行严格质控;然后优选体趋势约束方法将单井速度内插外推。结果表明该方法可以将井筒速度和地震速度谱高效地融合为一体,包含了丰富的横向和纵向速度的变化信息,从而实现速度体与构造形态、井筒以及井间速度变化趋势更加合理;最终使深度域构造模型更加真实地反映地下构造的变化趋势,提高域转换后数据的相关性。

关键词：地震速度谱残差分析三维网格速度体域转换

在线全文

学校读者我要写书评

暂无评论

用于图像匹配的域转换单图像去雾算法

用于图像匹配的域转换单图像去雾算法

作者：黄珊西安电子科技大学

学位级别：硕士

雾与霾是常见的天气现象,在有雾天气或有霾天气下拍摄的图像,通常存在亮度和对比度下降以及信息损失严重等问题,这些问题会严重影响后续计算机视觉任务的性能。图像匹配算法,作为众多计算机视觉任务的基础,依托于图像特征信息,其性能受... 详细信息

雾与霾是常见的天气现象,在有雾天气或有霾天气下拍摄的图像,通常存在亮度和对比度下降以及信息损失严重等问题,这些问题会严重影响后续计算机视觉任务的性能。图像匹配算法,作为众多计算机视觉任务的基础,依托于图像特征信息,其性能受输入图像质量所影响。当其输入图像为有雾或有霾图像时,由于图像特征信息损失严重,无法准确地检测到图像特征点,从而造成图像匹配性能下降。因此,恢复图像的特征信息对有雾图像匹配任务来说十分重要。目前去雾算法大多只关注像素域的信息,忽视了特征域信息,导致恢复的图像特征信息损失严重。此外,基于深度学习的去雾算法的训练集大多为合成有雾数据集,将网络直接移植到真实场景中时,性能会出现一定的下降。针对上述情况,本文设计了一种针对图像匹配的多任务单图像去雾算法,提高去雾算法恢复特征信息的能力。本文的工作主要从以下几个方面展开:(1)从恢复特征信息的角度出发,优化单图像去雾算法。为了提高特征点检测的准确率,本文算法并不生成去雾图像本身,而是直接生成多个尺度下的去雾高斯图像。利用这些高斯图像构成尺度空间,进行特征点检测及描述子生成。(2)为了使得训练的网络能更好地处理真实有雾图像,本文利用域转换网络,学习真实有雾图像与合成有雾图像的映射关系,缩小两个域的差距,增强数据集。(3)设计了基于可替代兴趣点检测算法的新型损失函数,称其为尺度空间响应损失。利用这一新型损失函数,可以更好地恢复去雾图像的特征。最后,本文在10个公开数据集上从定性和定量两个方面进行算法评估,并进行消融实验。将去雾后的图像输入到SIFT中,检测特征点并进行匹配,验证特征点的可重复性及鲁棒性。在定量和定性测试中,本文提出的算法均能在所有评估基准上达到最先进的性能。除此之外,使用NIQE对去雾后图像进行评估。实验表明,本文算法恢复的去雾图像失真程度小,更符合人眼的评判标准。最后在合成及真实数据集上进行消融实验,验证改进部分的有效性。本方法能够在对真实有雾图像进行去雾处理的同时保留其原有特征信息,有效改善了算法去雾效果,提高了去雾方法的适用性及鲁棒性,提高后续图像匹配的准确性。

关键词：单图像去雾域转换图像匹配特征点检测深度学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多领域条件生成的语音情感转换

郑州大学学报（理学版） 2023年第5期55卷 67-72页

作者：姚文翰柯登峰黄良杰胡睿欣项敏特张劲松北京语言大学信息科学学院北京100089

语音情感转换是在不改变话者声纹、语义的情况下,将一种情感语音转换成另一种情感语音的技术,本质是实现语音的风格迁移。主流的风格迁移技术有对抗生成技术(如CycleGAN,StarGAN)和实例规一化技术(如IN,CIN)。CIN相对于IN添加了均值方... 详细信息

语音情感转换是在不改变话者声纹、语义的情况下,将一种情感语音转换成另一种情感语音的技术,本质是实现语音的风格迁移。主流的风格迁移技术有对抗生成技术(如CycleGAN,StarGAN)和实例规一化技术(如IN,CIN)。CIN相对于IN添加了均值方差选择性模块,具有更强的风格迁移能力。提出了将StarGAN和CIN结合的语音情感转换模型CIN-StarGAN,将CIN模块嵌入到StarGAN生成器。在ESD数据集上的实验结果表明,CINStarGAN比基于CycleGAN的情感转换模型收敛速度快28%,具有较好的风格转换能力。在多领域情感转换方法上具有潜在研究价值。

关键词：语音情感转换域转换条件实例归一化生成对抗网络

在线全文

学校读者我要写书评

暂无评论

基于生成对抗网络的盲超分辨率算法研究

基于生成对抗网络的盲超分辨率算法研究

作者：王凯皞华北电力大学(北京)

学位级别：硕士

在研究单图像超分辨率(Single Image Super-resolution,SISR)方法时,大部分卷积神经网络都采用合成低分辨率图像(Low-resolution,LR)和高分辨率图像(High-resolution,HR)对来训练超分辨率网络。但在实际应用中,缺乏配对的高分辨率图像... 详细信息

在研究单图像超分辨率(Single Image Super-resolution,SISR)方法时,大部分卷积神经网络都采用合成低分辨率图像(Low-resolution,LR)和高分辨率图像(High-resolution,HR)对来训练超分辨率网络。但在实际应用中,缺乏配对的高分辨率图像和低分辨率图像用于训练。当测试图像与训练图像存在域差异时,传统的超分辨率网络性能将大幅降低。为了解决这个问题,出现了很多无监督训练方法,其中生成对抗网络(Generative Adversarial Network,GAN)被广泛使用,通过域迁移技术解决无配对图像的问题。但是,直接将一个域转换到另一个域仍然是一个十分困难的问题,如果转换的域与目标域存在较大的差异,训练的盲超分辨率网络性能会大大降低。为了解决这个问题,本文提出了一个新的基于双向域转换的无监督盲超分辨率框架。该方法通过让两个域互相靠近的方式将两个域的图像转换到一个可自适应调整的中间域来作为域转换的过渡,从而降低域转换的难度,并围绕中间域构建了一个新的训练框架。使用转换后的中间域图像与HR图像形成伪配对图像来训练超分辨率网络。本文的贡献具体如下:(1)提出探索域之间的中间域思想,使用两个GAN网络同时处理两个域的图像,两个GAN网络相互以对方的输出图像域作为自己的目标域,让两个域以相互靠近的方式转换到一个中间域,再利用中间域图像和HR图像配对进行SR网络的训练。(2)围绕中间域设计了一个新的盲超分辨率框架,通过使用循环对抗生成网络(Cycle Generative Adversarial Network,CycleGAN)结构利用中间域过渡让CycleGAN的效果能够更好的发挥,三个网络恰好可以支持CycleGAN结构的使用,不需要额外训练一个恢复网络,得到的循环一致损失也可以作用在各个网络上很好的约束三个网络共同稳定训练。(3)在各个数据集上的实验都得到了较好的结果,并且进行了额外的消融实验来证明本文方法的有效性,另外使用额外训练的判别器证明中间域介于HR域和退化域之间,缩小了域之间距离。

关键词：盲超分辨率无监督训练生成对抗网络域转换

基于半监督加权核极限学习机的机器嗅觉检测优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于半监督加权核极限学习机的机器嗅觉检测优化

作者：郭佳梁电子科技大学

学位级别：硕士

机器嗅觉系统又叫电子鼻（Electronic Noses,E-Noses）系统指的是通过模拟生物嗅觉工作方式的一种新型仿生检测系统。其系统主要由气敏传感器阵列与相应的机器学习算法组成,主要完成气体检测和识别等任务。传感器漂移问题是由于传感器... 详细信息

机器嗅觉系统又叫电子鼻（Electronic Noses,E-Noses）系统指的是通过模拟生物嗅觉工作方式的一种新型仿生检测系统。其系统主要由气敏传感器阵列与相应的机器学习算法组成,主要完成气体检测和识别等任务。传感器漂移问题是由于传感器自身设计原因,往往不同厂商的同型传感器、相同传感器不同批次、同种传感器的使用磨损程度不同等情况都会造成传感器漂移,从而造成数据分布改变。同时机器嗅觉数据收集实验繁琐,常常面临获取带标签数据困难的问题。这两个问题极大的制约着机器嗅觉检测的效果。本文主要对机器嗅觉检测技术进行研究,针对传感器漂移与半监督学习问题分为两部分进行研究:（1）针对相同域数据半监督分类问题,本文提出半监督加权核极限学习机算法。通常认为当机器嗅觉系统收集到的数据分布相同或轻微不同时为相同域数据。该算法使用新的组合核方式得到加权核,对半监督核极限学习机算法进行改进,在保持稳定性与高效的特点同时,增加了泛化能力与准确率。并且在两个数据集上进行对比实验,经验证在解决相同域数据半监督分类问题上,该算法拥有更好的效果。（2）针对不同域数据半监督分类问题,本文提出域转换半监督加权核极限学习机算法。本文将分布差异较大的数据定义为不同域数据。不同域数据半监督分类问题又叫传感器漂移补偿问题。该算法通过域转换的方式,将不同域的数据转换为相同域的数据,将问题转换为相同域数据的半监督分类问题,最终使用半监督加权核极限学习机算法进行分类。该算法避免了对带标签目标域数据的需求,减少了成本,同时半监督学习的方法可以极大的利用所有目标域数据的信息。通过对比常用的传感器漂移补偿算法,验证该算法拥有更好的效果,为传感器长期漂移的问题提供新的解决思路。最后本文设计了一个智能机器嗅觉平台,摆脱了传统传感器实验平台对PC的依赖,减少了操作的繁琐性。该平台利用智能开发板与触摸屏结合的方式实现人机交互,完成数据收集等任务。

关键词：机器嗅觉半监督学习半监督加权核极限学习机传感器漂移域转换

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无监督图像超分辨率算法

信息技术与网络安全 2022年第1期41卷 55-62页

作者：赵志博滕奇志任超何小海翟森四川大学电子信息学院四川成都610065

目前,大多数基于学习的图像超分辨率研究通常采用预定的降质类型(比如双三次下采样)处理高分辨率图像,来产生成对的训练集。然而,真实图像往往存在未知的模糊和噪声,导致这些算法无法有效应用到真实场景中。为了实现真实图像的超分辨率... 详细信息

目前,大多数基于学习的图像超分辨率研究通常采用预定的降质类型(比如双三次下采样)处理高分辨率图像,来产生成对的训练集。然而,真实图像往往存在未知的模糊和噪声,导致这些算法无法有效应用到真实场景中。为了实现真实图像的超分辨率重建,提出了一种基于生成对抗网络的无监督图像超分辨率算法,所提出的算法分为域转换子网络和重建子网络两个部分。同时设计了深度特征提取模块,通过融合不同感受野所提取的图像特征来提升网络的性能。实验结果证明,相比于目前多数的图像超分辨率算法,本文算法能够实现真实降质图像(存在噪声、模糊等)的图像超分辨率,在主观效果和客观指标上均能获得更好的性能。

关键词：真实图像超分辨率域转换生成对抗网络无监督训练

在线全文

学校读者我要写书评

暂无评论

跟踪时变周期信号的PMLSM重复控制

沈阳工业大学学报 2009年第6期31卷 616-621页

作者：孙宜标闫峰黄伟刘春芳沈阳工业大学电气工程学院沈阳110870

永磁直线同步电动机(PMLSM)其端部效应造成的与位移相关的周期性推力波动和摩擦力会降低系统的伺服性能.为了抑制周期性扰动的影响,设计了伪微分前馈反馈(PDFF)速度控制器和改进型位移重复控制器,并针对时变周期输入信号的跟踪问题,利用... 详细信息

永磁直线同步电动机(PMLSM)其端部效应造成的与位移相关的周期性推力波动和摩擦力会降低系统的伺服性能.为了抑制周期性扰动的影响,设计了伪微分前馈反馈(PDFF)速度控制器和改进型位移重复控制器,并针对时变周期输入信号的跟踪问题,利用Lebesgue平方可积空间转换原理,将t-域时变周期的位移信号转换为θ-域固定周期的位移信号,以实现对时变周期输入信号的精确跟踪.理论推导与仿真结果表明,该方案可有效地抑制PMLSM伺服系统周期性扰动的影响,对时变周期输入信号具有良好的跟踪特性.

关键词：永磁直线同步电动机直接驱动端部效应周期性扰动域转换 PDFF控制重复控制时变周期信号

传播思想史研究的视域转换与理论创新——第六届中外新闻传播思想史论坛会议综述

在线全文

学校读者我要写书评

暂无评论

国际新闻界 2019年第12期41卷 173-175页

作者：郭小安金恒江重庆大学新闻学院

以数字媒介的迅猛发展为标志,人类被带入了一个思想之物与物之思想交互型构的新时代。技术、媒介、社会与身体、思想、文化相互嵌入并脱嵌,世界正走向液态,我们所观看、所介入的世界与我们观看、介入世界的方式也因此均处于变动之中。... 详细信息

以数字媒介的迅猛发展为标志,人类被带入了一个思想之物与物之思想交互型构的新时代。技术、媒介、社会与身体、思想、文化相互嵌入并脱嵌,世界正走向液态,我们所观看、所介入的世界与我们观看、介入世界的方式也因此均处于变动之中。新时代的到来,为新闻传播学的理论创新和范式转型带来了新机遇与新挑

关键词：传播思想史媒介化社会传播学会议综述域转换

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的数码变焦算法研究

基于深度学习的数码变焦算法研究

作者：张乾福州大学

学位级别：硕士

近年来,数码变焦在智能手机和数码相机应用领域发挥着举足轻重的作用。实现数码变焦最直接的做法便是对拍摄图像进行超分辨率重构,而运用深度学习技术对图像进行超分辨率重构是当前的主流方案。当前多数基于深度学习的超分辨率重构方法... 详细信息

近年来,数码变焦在智能手机和数码相机应用领域发挥着举足轻重的作用。实现数码变焦最直接的做法便是对拍摄图像进行超分辨率重构,而运用深度学习技术对图像进行超分辨率重构是当前的主流方案。当前多数基于深度学习的超分辨率重构方法都是使用人工合成数据进行网络模型训练,没有充分考虑到真实场景中存在的各种不定因素,例如拍摄时的相机抖动,相机自带的噪声以及镜头畸变等问题,所以这类方法在现实中的应用性能都会明显下降。为了解决这个问题,本文使用相机长短焦镜头在真实场景下所拍摄的图像作为训练集,提出了基于可变形卷积的数码变焦算法和基于域转换的数码变焦算法。具体研究内容如下:(1)由于镜头畸变和相机抖动等因素,真实场景下获取的图像内容都不可避免的会出现几何形变。为了解决这个问题,本文提出基于可变形卷积的数码变焦算法。首先在网络的浅层中引入可变形卷积,提取图像在低层语义信息中的几何形变信息,然后在网络的深层使用标准卷积对特征进行整合,最后利用反卷积重构出数码变焦图像。同时扩展残差结构思想,增加了更大跨度特征层之间的残差学习,缓解梯度耗散带来的训练难度。通过对比实验,该方法重构出的数码变焦图像获得了最高的客观指标,证明了该方法的有效性和可行性。(2)上述研究虽然获得了较高的客观指标,但是重构出的数码变焦图像趋于平滑,对人眼的主观感受提升有限。此外长焦相机所拍摄的图像质量会受到不可抗力因素影响如相机噪声、相机硬件条件等,作为网络训练的目标会使网络最后重构出的图像质量存在一定的上限。为此,本文提出基于域转换的数码变焦算法,重点提升数码变焦图像的主观视觉效果。该方法将会引入额外的高清图像数据集,首先使用一个编码器将由高清图像人工退化后获得的低分辨率图像和短焦相机拍摄的图像映射至同一个隐空间,再使用另一个编码器将高清图像映射至另一个隐空间。最后使用一个卷积神经网络学习两个隐空间之间的映射,再通过一个生成器对映射过来的隐空间中的信息进行图像重构,使重构后图像的域变为高清图像域,最终获得噪声更小且对比度更高的数码变焦图像。实验结果表明,通过该方法重构出的数码变焦图像更符合人眼主观感受,比其他超分辨率重构方法具有更高的主观指标。

关键词：数码变焦超分辨率深度学习可变形卷积域转换