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

引入特征损失对CycleGAN的影响研究

计算机工程与应用 2020年第22期56卷 217-223页

作者：刘华超张俊然刘云飞四川大学电气工程学院成都610065

在图像生成领域,传统的图像风格迁移需要在两个配对的图像间进行转换。循环一致性生成对抗网络(Cycle Generative Adversarial Network,CycleGAN)在2017年被提出后,凭借其可以针对非配对图像进行图像生成的特点取得了良好的效果,迅速成... 详细信息

在图像生成领域,传统的图像风格迁移需要在两个配对的图像间进行转换。循环一致性生成对抗网络(Cycle Generative Adversarial Network,CycleGAN)在2017年被提出后,凭借其可以针对非配对图像进行图像生成的特点取得了良好的效果,迅速成为图像生成领域的研究热点。然而经典的CycleGAN由于生成器无法准确识别图像的特定转换域和无关域,从而存在图像无关域特征随意变换的缺点,使得生成图像失真。针对以上问题,通过引入特征损失来约束生成器的特征识别,利用L1损失保证转换后的图像与原图像的像素级别对应,可以有效改善该问题,并使得生成图像更清晰。通过调整特征损失的比例超参数μ,进一步分析了选取不同μ值下的特征损失时,CycleGAN的各部分损失变化以及对生成图像的质量影响,最后给出了特征损失的比例超参数μ值的选取策略。

关键词：图像生成 CycleGAN 特征损失图像清晰度风格迁移

在线全文

学校读者我要写书评

暂无评论

用于视频修复的连贯语义时空注意力网络

计算机科学 2021年第10期48卷 239-245页

作者：刘浪李梁但远宏重庆理工大学计算机科学与工程学院重庆400054

现有的视频修复方法通常会产生纹理模糊、结构扭曲的内容以及伪影,而将基于图像的修复模型直接应用于视频修复会导致时间上的不一致。从时间角度出发,提出了一种新的用于视频修复的连贯语义时空注意力(Coherent Semantic Spatial-Tempor... 详细信息

现有的视频修复方法通常会产生纹理模糊、结构扭曲的内容以及伪影,而将基于图像的修复模型直接应用于视频修复会导致时间上的不一致。从时间角度出发,提出了一种新的用于视频修复的连贯语义时空注意力(Coherent Semantic Spatial-Temporal Attention,CSSTA)网络,通过注意力层,使得模型关注于目标帧被遮挡而相邻帧可见的信息,以获取可见的内容来填充目标帧的孔区域(hole region)。CSSTA层不仅可以对孔特征之间的语义相关性进行建模,还能对远距离信息和孔区域之间的远程关联进行建模。为合成语义连贯的孔区域,提出了一种新的损失函数特征损失(Feature Loss)以取代VGG Loss。模型建立在一个双阶段粗到精的编码器-解码器结构上,用于从相邻帧中收集和提炼信息。在YouTube-VOS和DAVIS数据集上的实验结果表明,所提方法几乎实时运行,并且在修复结果、峰值信噪比(PSNR)和结构相似度(SSIM)3个方面均优于3种代表性视频修复方法。

关键词：视频修复图像修复时空注意力特征损失 VGG Loss

在线全文

学校读者我要写书评

暂无评论

拆分降尺度卷积神经网络入侵检测方法

科学技术与工程 2022年第36期22卷 16108-16115页

作者：关生周延森国际关系学院网络空间安全学院北京100091

针对卷积神经网络(convolutional neural network,CNN)模型待训参数量过大、多层网络导致特征和梯度消失等问题,提出一种基于拆分层和Inception-ResNet的卷积神经网络模型用于入侵检测。首先将网络流量数据转化为具有空间相关性的图像... 详细信息

针对卷积神经网络(convolutional neural network,CNN)模型待训参数量过大、多层网络导致特征和梯度消失等问题,提出一种基于拆分层和Inception-ResNet的卷积神经网络模型用于入侵检测。首先将网络流量数据转化为具有空间相关性的图像以适用于卷积神经网络的输入;然后使用Inception-ResNet卷积层增加网络深度,减少模型训练参数数量以及消除梯度消失问题,拆分层在降低图像尺度时基本保持图像原有分类特征;最后采用NSL-KDD数据集对改进模型进行训练和测试。测试结果表明:改进模型相对于Inception-ResNet模型具有更高的检测准确率和少数类样本召回率以及更好的训练时间性能。

关键词：入侵检测网络流量编码 Inception-ResNet 降尺度层训练效率特征损失

在线全文

学校读者我要写书评

暂无评论

基于深度估计与自我运动联合优化的三维重建

传感器与微系统 2022年第10期41卷 39-42,46页

作者：田方正高永彬方志军顾佳上海工程技术大学电子电气工程学院上海201620

机器人安全导航或执行高级任务时需要稠密的三维重建。图像准确的深度信息以及位姿是三维重建的基础。RGB-D相机获得的深度图的分辨率较低、精度有限,而且RGB-D相机易受玻璃或者纯黑色物体的影响,传统的位姿计算方法不够准确。为了解决... 详细信息

机器人安全导航或执行高级任务时需要稠密的三维重建。图像准确的深度信息以及位姿是三维重建的基础。RGB-D相机获得的深度图的分辨率较低、精度有限,而且RGB-D相机易受玻璃或者纯黑色物体的影响,传统的位姿计算方法不够准确。为了解决这些问题,提出了一种三维重建系统,使用神经网络预测RGB图像的深度以及位姿,然后进行重建。针对物体的轮廓会对深度图的最终预测起决定性作用的问题,提出了轮廓损失函数。针对RGB图像易受光线以及噪声影响的问题,首次增加了RGB图像的特征图作为网络的输入。设计了特征损失来联合优化深度估计和自我运动。在TUM RGB-D,ICL-NUIM数据集上,明显提高了深度图的质量、定位结果以及三维重建的效果。

关键词：三维重建深度估计自我运动轮廓损失特征损失

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于代价体金字塔的多视图立体重建研究

基于代价体金字塔的多视图立体重建研究

作者：杨丽芳云南大学

学位级别：硕士

基于图像的三维重建是从一幅或多福二维图像中推导出物体和场景的三维几何结构,因成本低廉、数据易于获取、真实感强、自动化程度高等优点,在计算机视觉和计算机图形学领域成为研究热点和难点。本文提出一种基于代价体金字塔的多视图立... 详细信息

基于图像的三维重建是从一幅或多福二维图像中推导出物体和场景的三维几何结构,因成本低廉、数据易于获取、真实感强、自动化程度高等优点,在计算机视觉和计算机图形学领域成为研究热点和难点。本文提出一种基于代价体金字塔的多视图立体重建系统,对多视图立体重建的关键步骤进行研究与改进。(1)由于基于循环算法的多视图三维重建是置换变体,即相同图像的不同排列重建的3D形状可能会不相同,因此本文在特征提取阶段加入一个注意力聚合模块AttSets。基于AttSets的特征提取具有置换不变性,能够学习融合来自所有图像的信息,从而实现更好的聚合性能。(2)得到提取的特征后,本文考虑到构建代价体内存和时间问题,采用代价体金字塔的结构迭代优化构建代价体。由于深度图采用残差迭代的方式构建,初始深度图的错误会传播到后一层,导致最终的重建效果不是很理想。本文在金字塔迭代第一层加入深度法向量一致性来细化初始深度图,使最终的深度图具有较强的连续性。(3)近年来,在基于深度残差网络的多视图立体重建算法中,损失函数主要是使用逐像素损失,但光照、图像的平移等因素都会导致像素变化,仅使用像素损失会输出一个大的误差值,因此本文加入除像素损失外的特征损失,使模型训练尽量最优化。本文在专门对MVS重建建立的DTU数据集上进行训练和测试。为了证明算法的泛化能力,还在Tanks and Temples和自采数据集上对算法进行了测试。测试结果与基于传统方法和基于深度学习的方法进行对比,实验结果表明,本文的算法在完整性上取得了最优结果,算法能够完整的重建出场景,且重建的场景质量更好。除此之外,本文为找到算法最优的匹配数量、最优的代价体金字塔层数以及像素深度间隔做了对别实验,实验结果表明,视图数、代价体金字塔层数和像素深度间隔对重建效果有一定的影响。

关键词：特征提取代价体深度法向一致性特征损失多视图立体重建

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

深度时空注意力网络的视频修复技术研究

深度时空注意力网络的视频修复技术研究

作者：刘浪重庆理工大学

学位级别：硕士

视频修复的目标是利用视频中未破损区域信息来修复视频的破损区域（孔区域）。视频修复（也称为视频合成）有许多现实世界的应用,例如电影后期处理、不需要的对象移除和老电影翻新,同时,视频修复可以与增强现实（AR）结合使用,提供更好... 详细信息

视频修复的目标是利用视频中未破损区域信息来修复视频的破损区域（孔区域）。视频修复（也称为视频合成）有许多现实世界的应用,例如电影后期处理、不需要的对象移除和老电影翻新,同时,视频修复可以与增强现实（AR）结合使用,提供更好的视觉体验。现有的视频修复方法通常会产生纹理模糊、结构扭曲的内容以及伪影,而将基于图像的修复模型直接应用于视频修复会导致时间上的不一致。为了取得更好的视频修复结果,提出一种的新的视频修复算法以及损失函数。具体的研究成果包括以下几个部分:（1）本文从时间角度出发,提出了一种新的用于视频修复的连贯语义时空注意力（Coherent Semantic Spatial-Temporal Attention,CSSTA）网络,通过注意力层,使模型关注于目标帧被遮挡而相邻帧可见的信息,以获取可见的内容来填充目标帧的孔区域（hole region）。CSSTA层不仅可以对孔特征之间的语义相关性进行建模,还能对远距离信息和孔区域之间的远程关联进行建模。（2）提出一种新的损失函数:特征损失,合成语义连贯的破损区域。训练一个以真值图像作为输入,输出等于真值图像的卷积自编码器网络,利用自编码器网络提取特征,然后计算其与视频修复网络解码器高级语义特征之间的距离。在You Tube-VOS和DAVIS数据集上对上述方法进行实验,结果表明,本文的方法几乎实时运行,并在修复结果、峰值信噪比（PSNR）和结构相似度（SSIM）等方面均优于3种代表性视频修复方法。

关键词：视频修复图像修复时空注意力特征损失 VGG Loss

结合MCycleGAN与RFCNN的太阳斑点图像重建算法研究

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

结合MCycleGAN与RFCNN的太阳斑点图像重建算法研究

作者：崔雯昊云南大学

学位级别：硕士

太阳活动的观测以及研究其中的规律对于人类来说有着极其重要的意义。由于地球大气的影响,地基望远镜只能观测到模糊的太阳斑点图像,只有高分辨率的太阳图像才能在太阳研究中发挥出的重要的研究作用。但是,传统重建算法在太阳斑点图重... 详细信息

太阳活动的观测以及研究其中的规律对于人类来说有着极其重要的意义。由于地球大气的影响,地基望远镜只能观测到模糊的太阳斑点图像,只有高分辨率的太阳图像才能在太阳研究中发挥出的重要的研究作用。但是,传统重建算法在太阳斑点图重建时存在特征单一、噪音较多、局部细节模糊的,存在边缘过于平滑、高频信息易丢失等不足。所以,本文结合深度学习方法重建太阳斑点图像,加强提高太阳观测数据分析和处理能力。本文主要以深度学习的图像重建技术为基础,对生成对抗网络进行单帧太阳斑点图重建和卷积神经网络进行多帧太阳斑点图像融合展开了深入的研究,主要研究内容概括如下:（1）针对太阳斑点图对比度较低、米粒形状相似、帧间差异较小的特点,本文利用VGG网络提取输入图像与重建图像的结构特征,并将这些结构特征加入到Cycle GAN网络中记为MCycle GAN,利用特征差获取输入图像的高频信息,结合特征损失的计算来提高网络对单帧图像高频信息的重建能力,使重建图像具有更多的细节信息,更加接近目标图像。（2）针对大气湍流和扰动都会导致太阳斑点图像成像的模糊、畸变和闪烁,单帧太阳斑点图中高频信息难以得到有效恢复的问题,导致MCycle GAN重建后的图像会出现边缘不够清晰、对比度较差的不足。本文将密集块和新融合策略加入到Deep Fuse网络中并记为RFCNN,利用图像帧间相似但不完全相同的信息互补,使用少量的多帧图像进行重建,进一步提高了重建图像的视觉效果,提高了重建图像的真实性和稳定性。本文的课题来源于云南天文台,所使用的数据来自NVST采集的原始数据,经过数据预处理后构建数据集进行实验。实验结果表明,本文在经过MCycle GAN重建单帧太阳斑点图像并结合RFCNN网络进行多帧太阳斑点图像融合,大大提高了单帧太阳斑点图像的重建质量。本文方法的重建结果精度不低于传统算法,并且进行多帧融合后的结果在视觉效果和算法效率更优于传统算法。

关键词：太阳斑点图像重建生成对抗网络卷积神经网络特征损失密集块

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

基于注意力残差卷积网络的视频超分辨率重构

长春理工大学学报（自然科学版） 2020年第1期43卷 82-88页

作者：董猛吴戈曹洪玉景文博于洪洋长春理工大学电子信息工程学院长春130022 长春理工大学光电工程学院长春130022

目前卷积神经网络已经成为视频超分辨率重构的主流方法。针对目前方法存在着细节信息恢复效果不理想、感知质量差的缺点,提出了一种结合注意力机制的残差卷积网络。通过一维通道注意力与二维空间注意力增强目标物体特征映射,完善重构图... 详细信息

目前卷积神经网络已经成为视频超分辨率重构的主流方法。针对目前方法存在着细节信息恢复效果不理想、感知质量差的缺点,提出了一种结合注意力机制的残差卷积网络。通过一维通道注意力与二维空间注意力增强目标物体特征映射,完善重构图像的细节信息,并为单一像素计算一维分离卷积核,显著减少网络计算负担。采用特征损失与像素损失组合函数来训练神经网络以产生高质量的视频帧。实验结果表明,通过PSNR,SSIM和感知距离将所提模型与当前最先进的模型进行比较,该模型能够获得最优的感知距离,重构图像拥有较高的感知质量。

关键词：注意力机制超分辨率分离卷积特征损失

基于改进Cycle-Dehaze的单幅图像去雾算法

在线全文

学校读者我要写书评

暂无评论

长江信息通信 2022年第12期35卷 38-41页

作者：令红娜朱磊西安工程大学电子信息学院陕西西安710048

针对现有去雾算法存在的颜色失真、图像失真等问题,提出了一种基于改进Cycle-Dehaze(Enhanced Cycle-consistent Generative Adversarial Network,Cycle-Dehaze)的单幅图像去雾算法。首先,该算法通过Cycle-Dehaze学习非配对雾天图像与真实图像之间的映射关系,再通过鉴别器判断重建图像是否符合真实图像的数据分布;其次,在生成器的编码和解码网络中分别选用Leaky Re LU和tanh激活函数,以避免一定程度的梯度爆炸和梯度消失问题,扩大特征效果,提高训练效率;最后,引入颜色损失函数和特征损失函数,使得生成器生成的重建图像与无雾图像具有相同的颜色分布,减少图像失真,更好地保留真实图像的细节特征。实验结果表明:所提算法在OHAZY、IHAZY和SOTS测试集上与Dehaze Net,Cycleag GAN等当前主流去雾算法相比,峰值信噪比至少提高了0.34d B,结构相似性至少提高了1%,同时,该算法也取得了更好的视觉效果。

关键词：图像去雾 Cycle-Dehaze 颜色损失特征损失激活函数