检索结果-南通市图书馆

维普期刊数据库

基于SE注意力cyclegan的蓝印花布单纹样自动生成

在线全文

学校读者我要写书评

暂无评论

丝绸 2024年第1期61卷 31-37页

作者：冉二飞贾小军喻擎苍谢昊陈卫彪浙江理工大学计算机科学与技术学院(人工智能学院) 杭州310018 嘉兴学院信息科学与工程学院浙江嘉兴314001 浙江师范大学数学与计算机科学学院浙江金华321004

根据蓝印花布纹样的风格特征,文章提出一种端到端的蓝印花布纹样自动生成方法,实现简笔画图像向蓝印花布单纹样的自动迁移。针对蓝印花布的抽象风格和小数据集问题,重新构造cyclegan生成网络中的编码器和解码器,使用SE(squeeze and exci... 详细信息

根据蓝印花布纹样的风格特征,文章提出一种端到端的蓝印花布纹样自动生成方法,实现简笔画图像向蓝印花布单纹样的自动迁移。针对蓝印花布的抽象风格和小数据集问题,重新构造cyclegan生成网络中的编码器和解码器,使用SE(squeeze and excitation)注意力模块和残差模块与原始的卷积模块串联,提高特征提取能力和网络学习能力。同时减少生成网络中转换器的残差块层数,降低过拟合。实验结果表明,基于SE注意力cyclegan网络方法自动生成的蓝印花布新纹样主观性上更贴合原始风格,与原图更加接近,有助于蓝印花布的数字化传承和创新。

关键词：蓝印花布 SE注意力风格迁移 cyclegan 单纹样半监督学习图像生成

维普期刊数据库博看期刊

基于改进cyclegan的人脸卡通风格化迁移

在线全文

学校读者我要写书评

暂无评论

长春工业大学学报 2024年第3期45卷 272-276页

作者：杜润梅李旭辉刘铭长春工业大学数学与统计学院吉林长春130012

利用改进的循环生成对抗网络cyclegan实现人脸卡通风格化迁移。文中模型在cyclegan基础上通过对生成器模型进行结构改进,在编码器部分采用稠密卷积结构,使模型在减少了参数量的同时可以更好地关注人脸细节特征,加强特征传播,在不改变个... 详细信息

利用改进的循环生成对抗网络cyclegan实现人脸卡通风格化迁移。文中模型在cyclegan基础上通过对生成器模型进行结构改进,在编码器部分采用稠密卷积结构,使模型在减少了参数量的同时可以更好地关注人脸细节特征,加强特征传播,在不改变个人脸型的基础上实现人脸卡通风格化迁移。实验结果表明,改进后的模型风格化迁移图像分辨率更高,配色更协调,尤其是细节处如眼睛、发丝等卡通迁移效果更流畅。

关键词：风格迁移 cyclegan DenseNet模型编码器

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于cyclegan的透射文本图像复原

智能计算机与应用 2024年第7期14卷 211-215页

作者：马咏莉李嘉培郑州科技学院信息工程学院

为了解决文本透射图像复原方法中实际成对图像数据集缺乏而导致的去透射效果欠佳的问题，本文提出了一种基于cyclegan的透射文本图像复原方法。利用cyclegan的约束转移学习能力完成非成对图像的复原任务；考虑到实际透射文本图像的复杂... 详细信息

为了解决文本透射图像复原方法中实际成对图像数据集缺乏而导致的去透射效果欠佳的问题，本文提出了一种基于cyclegan的透射文本图像复原方法。利用cyclegan的约束转移学习能力完成非成对图像的复原任务；考虑到实际透射文本图像的复杂性，结合人类视觉特征，在cyclegan中融入注意力机制，非均匀地处理不同文本特征。实验结果表明，所提方法在公共图像数据集以及真实图像数据上都取得了较好的透射图像恢复结果。

关键词：图像复原 cyclegan 注意力机制透射图像恢复

来源：博看期刊

改进的cyclegan网络用于水下显微图像颜色校正

在线全文

学校读者我要写书评

暂无评论

光学精密工程 2022年第12期30卷 1499-1508页

作者：王昊天刘庆省陈亮叶旺全卢渊郭金家郑荣儿中国海洋大学信息科学与工程学部物理与光电工程学院山东青岛266100

针对海洋水体及悬浮颗粒物吸收和散射所导致的水下显微图像的颜色信息失真问题,本文提出了一种改进的循环一致性对抗网络(Cycle-consistent Adversarial Network,cyclegan)算法,实现对水下目标物图像的颜色校正。通过在原始水下降质图... 详细信息

针对海洋水体及悬浮颗粒物吸收和散射所导致的水下显微图像的颜色信息失真问题,本文提出了一种改进的循环一致性对抗网络(Cycle-consistent Adversarial Network,cyclegan)算法,实现对水下目标物图像的颜色校正。通过在原始水下降质图像和重构水下图像之间加入R、G、B三个通道的结构相似性(Structure Similarity Index Measure,SSIM)损失函数,度量二者图像之间的信息损失,进而实现R、G、B三个通道颜色的精准调控,不仅增强了cyclegan网络的整体性能,也提高了生成器生成图像的质量。然后,利用水下多色自制标靶及天然矿石的显微图像组成的训练数据集对本文所提的改进网络进行训练,所得的模型可用于实际矿石样品表面的显微图像颜色校正。结果表明,本文所提的改进的cyclegan算法较其它方法在颜色校正方面有着明显的优势。与传统的Retinex算法相比,处理后的图像峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)和结构相似性指标分别提高41.85%、35.62%,而且,从主观视觉角度可发现经过校正的水下显微图像与空气中图像颜色相似度最高。综上,本文方法可以有效地对水下目标物图像进行颜色校正,并提升水下显微图像的质量,有望在海洋地质和海洋生物学方面得到应用。

关键词：海底深部微生物观测水下显微成像 SSIM损失函数 cyclegan 颜色校正

维普期刊数据库博看期刊

联合3D建模与改进cyclegan的故障数据集扩增方法

在线全文

学校读者我要写书评

暂无评论

光学精密工程 2023年第16期31卷 2406-2417页

作者：李宝平戚恒熠王满利魏坡河南理工大学物理与电子信息学院河南焦作454000

基于深度学习的设备故障检测系统性能很大程度上依赖于样本集的规模及类别多样性。由于工业生产中难以全面采集各类故障样本,由此就有样本集扩增需求。本文提出联合3D模型和改进cyclegan的故障数据集扩增方法。首先,提出利用3D建模软件... 详细信息

基于深度学习的设备故障检测系统性能很大程度上依赖于样本集的规模及类别多样性。由于工业生产中难以全面采集各类故障样本,由此就有样本集扩增需求。本文提出联合3D模型和改进cyclegan的故障数据集扩增方法。首先,提出利用3D建模软件模拟生成各类故障图片,将其作为cyclegan迁移网络输入,约束引导生成真实故障图像,以解决样本不足及分布不均衡问题;其次,对cyclegan网络生成器进行改进,提出U-ResNet生成器,用以解决数据集扩增过程中的边缘模糊和梯度消失问题。将该方法应用于带式输送机跑偏检测任务,结果表明相较于其他扩增方法,该方法训练过程中轮廓结构收敛快,时效性好,应用于目标检测网络准确率达到98.1%,较原真实数据集提升4.5%。说明该数据集扩增方法可以满足故障数据集类别分布均衡,图像质量高的要求。

关键词：数据集扩增 3D模型 cyclegan U-ResNet 带式输送机

维普期刊数据库博看期刊

Hyperspectral Image Classification Based on Unsupervised Heterogeneous Domain Adaptation cyclegan

在线全文

学校读者我要写书评

暂无评论

Chinese Journal of Electronics 2020年第4期29卷 608-614页

作者： WANG Xuesong LI Yiran CHENG Yuhu School of Information and Control Engineering China University of Mining and Technology Xuzhou Key Laboratory of Artificial Intelligence and Big Data

Aiming at the difficulty of obtaining sufficient labeled Hyperspectral image(HSI) data and the inconsistent feature distribution of different HSIs, a novel Unsupervised heterogeneous domain adaptation cyclegan(UHDAC) is proposed by using cyclegan to capture the transferable features in the absence of similar *** the one hand, the two-way mapping is used to find the internal relationship between the source and target domain data,while the two-way adversary is used to constrain the source and target domain features, realizing the alignment of feature *** the other hand, the CORAL loss function is introduced to minimize the distance between the second-order statistical difference between the source and target domain features, so as to solve the insufficient constraint of mapping relationship caused by the low consistency of HSI data structure in different *** on three real HSI datasets show that UHDAC can effectively realize the unsupervised classification of target domain HSI with high classification accuracy by using the labeled HSI data in the source domain.

关键词： Unsupervised Heterogeneous Domain adaptation cyclegan Hyperspectral image Classification

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于注意力增强的cyclegan图像去雾

国外电子测量技术 2023年第9期42卷 162-168页

作者：刘致远但志平三峡大学计算机与信息学院宜昌443002 三峡大学水电工程智能视觉监测湖北省重点实验室宜昌443002

在图像去雾任务中,cyclegan架构可以使用非配对数据集进行训练。然而,cyclegan架构将去雾视为图像转换任务时,容易忽略图像细节的恢复。其中,生成器网络没有充分利用层次特征,容易造成图像空间细节信息的损失。判别器网络受限于单一感... 详细信息

在图像去雾任务中,cyclegan架构可以使用非配对数据集进行训练。然而,cyclegan架构将去雾视为图像转换任务时,容易忽略图像细节的恢复。其中,生成器网络没有充分利用层次特征,容易造成图像空间细节信息的损失。判别器网络受限于单一感受野信息,难以引导生成器恢复高质量图像。因此,在cyclegan架构基础上,提出一种适用于层次特征融合的注意力模块,以处理复杂背景图像;及在判别器中加入SK注意力,以自适应增大其感受野,增强模型在不同场景的识别能力。在SOTS测试集下所取得平均峰值信噪比(PSNR)为29.92 dB、结构相似性(SSIM)为0.964 1。实验结果表明,提出的方法可以使恢复的无雾图像评价指标显著提高。

关键词：图像去雾注意力机制 cyclegan

维普期刊数据库

cyclegan-SN:结合谱归一化和cyclegan的图像风格化算法

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2020年第5期54卷 133-141页

作者：余艳杰孙嘉琪葛思擘杨清宇西安交通大学电子与信息学部西安710049

为解决cyclegan算法图像风格化质量不高、网络稳定性不强的问题,提出了cyclegan-SN算法。在cyclegan算法判别网络的每一个卷积层后添加谱归一化层,通过幂迭代法估算卷积层参数矩阵的谱范数,采用随机梯度下降法更新卷积层参数。由于参数... 详细信息

为解决cyclegan算法图像风格化质量不高、网络稳定性不强的问题,提出了cyclegan-SN算法。在cyclegan算法判别网络的每一个卷积层后添加谱归一化层,通过幂迭代法估算卷积层参数矩阵的谱范数,采用随机梯度下降法更新卷积层参数。由于参数在每一次更新中的变化量很小,只需迭代一次即可快速估算出矩阵的最大奇异值。根据得到的最大奇异值,对卷积层参数进行归一化处理,使得整个判别网络满足1-Lipschitz连续。在4个常用风格图像数据集上进行实验,并与cyclegan算法进行对比,结果表明:所提算法能够在保留原有图像细节的基础上,生成色彩鲜艳、纹理清晰、风格渲染充分的风格化图像;在训练过程中的损失函数振荡幅度小,能够使用更大的学习率进行训练,稳定性较强;能够有效减少网络收敛所需的步数,收敛速度较快;在测试阶段一次性风格化751幅图像时,时间最多仅增加0.63 s,几乎没有额外的时间消耗。

关键词：图像风格化谱归一化 cyclegan

维普期刊数据库

基于改进cyclegan的图像艺术风格转换研究

在线全文

学校读者我要写书评

暂无评论

基于改进CycleGAN的图像艺术风格转换研究

作者：古楚楚辽宁工程技术大学

学位级别：硕士

在深度学习中,图像风格转换进步飞快,并拥有巨大的应用潜力。传统的图像转换方法存在建模困难和转换效果不佳的问题,采用生成对抗网络技术可以大大改善传统图像转换方法的建模困难和转换效果,从而获得更加丰富的图像信息。通过对现有风... 详细信息

在深度学习中,图像风格转换进步飞快,并拥有巨大的应用潜力。传统的图像转换方法存在建模困难和转换效果不佳的问题,采用生成对抗网络技术可以大大改善传统图像转换方法的建模困难和转换效果,从而获得更加丰富的图像信息。通过对现有风格转换技术的分析和总结,经过深入研究,发现目前使用生成对抗网络图像风格转换模型来进行艺术创作时,存在诸多挑战和不足之处。Cycle GAN作为一个基础的风格转换模型框架,通过使用单独的数据集,可以将两种不同的图像转换为相似的风格。但通过对Cycle GAN的分析,发现生成对抗网络模型存在一些固有缺陷,如训练不稳定、梯度消失以及模式崩溃等问题,且该算法的变换存在背景色失真和转换不足等问题,为此从以下三方面对模型予以改进。首先在生成器输入残差后,再输入VGG16进行联合输出图片,可降低模型学习时的误差而且信号传播更加迅速,这样会使网络更加稳定,保留更多的图像细节,通过为生成器模块增加了新型注意力机制,增强训练效果,输出图像效果更好。其次在判别器模型的每个卷积层之后增加谱归一化操作,使判别器网络的控制性能得到了提高;最后在Loss添加了感知损失函数,VGG16也采用了感知损失函数,在保持内容结构的同时,生成的图像接近于风格化的图像。在无监督图像风格转换任务中为了证明改进模型的有效性,在Cycle GAN使用过的vangogh2photo数据集上做了验证。实验结果表明:IS平均分数和FID距离评价指标都有提高。对比和消融实验也进一步证明改进的Cycle GAN图像风格转换方法更准确、有效。该论文有图30幅,表8个,参考文献50篇。

关键词： cyclegan 图像风格转换谱归一化感知损失注意力机制