检索结果-南通市图书馆

计算机工程与设计 2022年第3期43卷 786-793页

作者：方睿周愉刘鹏刘凯成都信息工程大学计算机学院四川成都610225 成都信息工程大学控制工程学院四川成都610225

现有图像去运动模糊结果容易在视觉感知上产生边缘特征不明显,出现大幅度的伪影现象,且在深度网络训练过程中,存在因加深网络导致参数过多不易训练即不稳定的问题,为此提出多尺度循环残差神经网络模型。在SRN基础上,为平衡评价指标(PSNR... 详细信息

现有图像去运动模糊结果容易在视觉感知上产生边缘特征不明显,出现大幅度的伪影现象,且在深度网络训练过程中,存在因加深网络导致参数过多不易训练即不稳定的问题,为此提出多尺度循环残差神经网络模型。在SRN基础上,为平衡评价指标(PSNR、SSIM)与感知质量,提高图像中的高频细节信息等,进行多损失融合改进;在网络的编码器-解码器结构中,在其卷积层中使用小卷积核堆叠,加深网络的同时使网络参数更少更容易训练,更好地拟合图片的特征信息。实验结果表明,改进算法生成的网络模型取得了更好的去模糊结果。

关键词：运动模糊视觉感知多损失融合编码器-解码器小卷积核堆叠

来源：

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

基于深度学习的运动模糊图像复原技术的研究

基于深度学习的运动模糊图像复原技术的研究

引用

作者：周愉成都信息工程大学

学位级别：硕士

当利用数码产品等摄像装置对物体进行拍摄的时候,由于被拍摄的目标物体与摄像装置之间发生相对运动导致最后成像的画质产生运动模糊。传统方法都是通过各种方法构建了图像恢复过程的正则项,虽然在一定程度上抑制了振铃效应,减少了噪声等... 详细信息

当利用数码产品等摄像装置对物体进行拍摄的时候,由于被拍摄的目标物体与摄像装置之间发生相对运动导致最后成像的画质产生运动模糊。传统方法都是通过各种方法构建了图像恢复过程的正则项,虽然在一定程度上抑制了振铃效应,减少了噪声等,但是他们的复原结果并不是很理想。随着近几年深度学习的发展,端到端地处理运动模糊图像,使得处理后的图像能达到更理想的去模糊效果。最新的多尺度循环网络模型可以更好的复原运动模糊图像,并且通过循环模块有效地减少了网络中的参数,使得模型更简单更容易训练。但是不足的是使得图像复原的结果边缘特征并不明显,高频信息少,原因在于其依赖于最小化L2损失,导致复原后的图像为均值最优显得过于平滑,并产生伪影现象,使得最后的复原结果上在视觉感知上并不能符合我们的要求,并且他们在卷积层使用大的卷积核,就导致对特征的学习能力不强。为解决现有图像去运动模糊结果容易在视觉感知上产生边缘特征不明显,出现大幅度的伪影现象,且在深度网络训练过程中,存在因加深网络而导致参数过多不易训练即不稳定的问题,提出多尺度循环残差神经网络模型。在尺度循环网络(SRN-Deblur Net,简称SRN)基础上进行如下改进:首先,为了平衡评价指标(PSNR、SSIM)与感知质量,提高图像中的高频细节信息等,进行了多损失融合改进,融合了感知损失和L损失,感知损失是简单的L损失,在网络模型训练中,训练速度快,并且收敛效果好,具有高频细节信息,L范数损失函数,无论对于什么样的输入值,都有着稳定的梯度,不会导致梯度爆炸问题,具有较为稳健性的解;其次在网络的编码器-解码器结构中,在其卷积层中使用小卷积核堆叠,加深网络的同时使得网络参数更少更容易训练,并且更好的拟合图像的特征信息;最后,对残差网络中进行了一定的优化,为了加快整个网络的训练速度并且提高网络的训练泛化能力,保留了残差块中第二个卷积层之后的批归一化层(BN),在卷积层之后的BN层具有以下几个优点:BN层可以加快网络的收敛,防止梯度爆炸等问题。实验结果表明,改进算法生成的网络模型取得了更好的去模糊结果。

关键词：运动模糊多尺度循环残差神经网络多损失融合小卷积核堆叠残差网络

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

基于深度学习的英语阅卷系统设计与实现

基于深度学习的英语阅卷系统设计与实现

引用

作者：卓天天江南大学

学位级别：硕士

当代社会对教育的重视一方面丰富了教学内容,另一方面也加重了教师的工作负担。在保证阅卷质量的前提下将教师从繁重的批阅、统计工作中解放出来被视为现有条件下减轻教师负担的有效手段。目前大规模的英语考试阅卷大多采用光学标记识... 详细信息

当代社会对教育的重视一方面丰富了教学内容,另一方面也加重了教师的工作负担。在保证阅卷质量的前提下将教师从繁重的批阅、统计工作中解放出来被视为现有条件下减轻教师负担的有效手段。目前大规模的英语考试阅卷大多采用光学标记识别技术的机器阅卷,它采用机读卡的形式,再以光电式阅卷机配合。一方面,这种阅卷方式虽在处理选择题上效率较高,精度较高,但填空题仍需人力配合。另一方面,由于考试练习频率高,大量机读卡的消耗会带来高额的成本问题。因此,利用更低的成本开发出针对日常英语考试练习的阅卷系统具有重要的意义。近年来,深度学习因其迅速的发展使人们认识到它在模式识别领域的优势:模型无需手动选取特征。本文利用深度学习与图像处理相关理论设计出一款轻量级的英语阅卷系统,研究的主要内容和创新如下:（1）提出了一种基于小卷积核堆叠结构的单字符识别算法。该方法考虑到过深的卷积神经网络无法作用于小尺寸字符图片的识别,但浅层特征的语义特征并不丰富。首先,对Le Net-5网络进行微调,使网络更贴合阅卷系统中单字符图片的输入特点,然后,利用多个3×3卷积核堆叠替代原网络中的5×5大尺寸卷积核。实验表明,该方法不仅提升了识别精度,更使得模型获得更好的收敛效果。（2）提出了一种基于加强型卷积块注意力模块和复合卷积结构的脱机手写英文单词识别算法。该方法考虑到不同人的脱机手写风格存在严重差异,传统网络提取出的特征表示力不足。首先,利用通道注意力模块与空间注意力模块的并联方式加以输入特征图的重利用构建了加强型卷积块注意力模块,然后,在深层卷积层中以双通道卷积提取特征结构实现复合卷积结构,最后,将加强型卷积块注意力模块与复合卷积加入特征提取网络实现对手写英文单词的识别。实验表明,该方法与当前其他主流的脱机文本识别算法相比具有一定的优势。（3）设计了一款针对英语全国卷题型的阅卷系统。该系统主要包含图像处理模块、字符识别模块以及单词识别模块。首先,对输入图片进行边缘提取、透视变换获取到答题纸主体,接着,再次对答题纸主体进行边缘提取,定位出学号区域和答案填写区域,然后,按题型裁剪出供模型识别区域,加载单字符识别模型或单词识别模型对其进行端到端的识别,判断答案正误,最后,统计得分、高频错题并绘制错题直方图,方便后续的教学。

关键词：深度学习英语阅卷系统小卷积核堆叠加强型卷积块注意力模块复合卷积

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

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

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

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：