检索结果-南通市图书馆

基于改进cyclegan的视频监控人脸超分辨率恢复算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机应用研究 2021年第10期38卷 3172-3176页

作者：陈贵强何军罗顺茺四川大学计算机学院成都610065

针对有监督超分辨率算法训练过程需要大量成对图像、处理真实低分辨率图像视觉恢复效果差等问题,提出了一种基于改进cyclegan的半监督算法Cycle-SRNet。首先,利用退化模型获得与真实低分辨率人脸相似的图像,用于训练网络参数;其次,通过... 详细信息

针对有监督超分辨率算法训练过程需要大量成对图像、处理真实低分辨率图像视觉恢复效果差等问题,提出了一种基于改进cyclegan的半监督算法Cycle-SRNet。首先,利用退化模型获得与真实低分辨率人脸相似的图像,用于训练网络参数;其次,通过重建模型恢复出具有真实效果的高分辨率人脸图像;最后引入感知损失函数保持人脸结构相似性,以更好地恢复面部特征。实验结果表明,该算法不需要成对的图像进行网络训练,在视觉效果上能够将模糊的视频监控低分辨率人脸图像恢复成清晰可辨的人脸图像,在FID、PSNR和SSIM指标上超越了SRCNN、SRGAN、CinCGAN等方法。

关键词：单幅图像超分辨率恢复生成对抗网络 cyclegan 半监督学习人脸超分辨率

基于改进cyclegan的水稻叶片病害图像增强方法

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

智慧农业(中英文) 2024年

作者：严从宽朱德泉孟凡凯杨玉青唐七星张爱芳廖娟安徽农业大学工学院安徽省农业科学院植物保护与农产品质量安全研究所

[目的/意义]针对水稻病害图像识别任务存在数据集获取困难、样本不足及不同类别病害样本不均衡等问题，提出了一种基于改进cyclegan (Cycle-consistent Adversarial Networks)的水稻叶片病害图像数据增强方法。[方法]以cyclegan为基本... 详细信息

[目的/意义]针对水稻病害图像识别任务存在数据集获取困难、样本不足及不同类别病害样本不均衡等问题，提出了一种基于改进cyclegan (Cycle-consistent Adversarial Networks)的水稻叶片病害图像数据增强方法。[方法]以cyclegan为基本框架，将CBAM (Convolution Block Attention Module)注意力机制嵌入到生成器的残差模块中，增强cyclegan对病害特征的提取能力，使网络更准确地捕捉小目标病害或域间差异不明显的特征；在损失函数中引入感知图像相似度损失，以指导模型在训练过程中生成高质量的样本图像，并提高模型训练的稳定性。基于生成的水稻病害样本，在不同目标检测模型上进行迁移训练，通过比较迁移学习前后模型性能的变化，验证生成的病害图像数据的有效性。[结果和讨论]改进的cyclegan网络生成的水稻叶片病害图像质量优于原始cyclegan，病斑区域的视觉特征更加明显，结构相似性（Structural Similarity, SSIM）指标提升约3.15%，峰值信噪比（Peak Signal-to-Noise Ratio, PSNR）指标提升约8.19%。同时，使用YOLOv5s、YOLOv7-tiny和YOLOv8s这3种模型在生成的数据集上进行迁移学习后，模型的检测性能均有提升，如YOLOv5s模型的病害检测精度从79.7%提升至93.8%。[结论]本研究提出的方法有效解决了水稻病害图像数据集匮乏的问题，为水稻病害识别模型的训练提供了可靠的数据支撑。

关键词：水稻叶片病害数据增强 cyclegan CBAM 感知相似度损失

基于修正cyclegan的声呐图像库构建方法研究

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

声学技术 2021年第6期40卷 890-894页

作者：凡志邈夏伟杰刘雪南京航空航天大学电子信息工程学院江苏南京210016

声呐图像数据集获取困难,导致很多水下工作无法正常开展,如水下目标检测与跟踪、声呐图像的超分辨等,因此构建充足的声呐图像数据库成为很多水下研究工作的重要前提条件。受光学图像与合成孔径雷达(Synthetic Aperture Radar,SAR)图像... 详细信息

声呐图像数据集获取困难,导致很多水下工作无法正常开展,如水下目标检测与跟踪、声呐图像的超分辨等,因此构建充足的声呐图像数据库成为很多水下研究工作的重要前提条件。受光学图像与合成孔径雷达(Synthetic Aperture Radar,SAR)图像转换研究工作的启发,提出了基于cyclegan实现声呐图像库的构建,即利用光学图像合成声呐图像,实现光学到声呐的图像风格迁移。通过对cyclegan网络损失函数的改进,提高了声呐图像的合成效果。通过与Pix2Pix等图像风格迁移网络进行比较的实验结果证明,修正后的cyclegan网络具有更好的图像风格迁移效果。最后用合成的声呐图像训练Mask RCNN目标检测网络,并用真实的声呐图像进行测试,训练得到的模型能够成功地检测出真实声呐图像中对应的目标,进一步验证了利用光学图像构建声呐图像库的有效性。

关键词：风格迁移 cyclegan 光学图像声呐图像 Mask RCNN

基于改进cyclegan的手绘素描人像合成方法研究

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

基于改进CycleGAN的手绘素描人像合成方法研究

作者：勾晓飒哈尔滨工业大学

学位级别：硕士

近年来,人脸识别一直是模式识别、图像处理和机器视觉等领域的研究热点之一。素描人像识别作为一个难题,一直以来没有一个非常有效的解决方案,它是依据专业画家手绘的素描人像进行的人脸识别,素描人像识别主要在公安司法案件侦破和寻找... 详细信息

近年来,人脸识别一直是模式识别、图像处理和机器视觉等领域的研究热点之一。素描人像识别作为一个难题,一直以来没有一个非常有效的解决方案,它是依据专业画家手绘的素描人像进行的人脸识别,素描人像识别主要在公安司法案件侦破和寻找走失人员中进行应用,在案件没有犯罪嫌疑人或走失人员的确定照片时,通过对素描人像图与人脸照片的比对,它可以帮助调查人员缩小目标范围。现阶段在该方面的研究绝大多数是将照片转化为类素描的图像,再与素描图进行匹配,这种研究方法缺乏一定实际应用意义。因为合成人像可以用来进行人脸识别,因此本课题的研究内容是从素描人像到真实人像的人像合成。本文主要工作如下:首先,由于不同的人像存在尺寸和人脸位置不统一,因此本文通过图像灰度化减小后续运算量,利用MTCNN(Multi-task convolutional neural network)算法得到人脸的五个关键点,对其使用仿射变换得到五官位置标准化的人像,最后使用双立方插值算法将人像放缩到统一的尺寸。其次,因为目前素描人像转换到真实人像的图像质量很差,所以本文新提出一种基于Cycle GAN(Cycle Generative Adversarial Networks)的素描人像-真实人像的合成方法U-WCycle GAN。U-WCycle GAN方法在判别网络中使用由上采样残差块和下采样残差块组成的U-Net结构,在对抗损失中使用Wasserstein距离代替原始的JS(Jensen–Shannon)散度,最终有效的提高图像生成质量。最后,在CUFS数据库上测试本文提出的U-WCycle GAN合成方法,将现有的图像合成算法进行修改,使其可以完成从素描人像到真实人像的合成。实验结果表明U-WCycle GAN是优于其他的合成算法,人眼直观感受和局部细节最贴近真实人像,图像质量分数SSIM(Structural Similarity)和PSNR(Peak Signal to Noise Ratio)的平均值分别为0.8878和19.4535,识别成功率在Rank-10下的平均值为89.9%,相比于其他的合成算法提升了3.7～9.5%。

关键词：素描人像识别人像合成生成对抗网络 cyclegan

基于cyclegan的对抗样本生成方法研究与应用

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CycleGAN的对抗样本生成方法研究与应用

作者：罗丽桂林电子科技大学

学位级别：硕士

对抗样本作为一种能够误导深度学习模型的输入数据,为研究模型安全提供了重要价值。然而,现有的许多对抗样本生成方法隐蔽性不足,且攻击成功率不够高。为解决这一问题,本文受循环一致性生成对抗网络(Cycle-consistent Adversarial Netwo... 详细信息

对抗样本作为一种能够误导深度学习模型的输入数据,为研究模型安全提供了重要价值。然而,现有的许多对抗样本生成方法隐蔽性不足,且攻击成功率不够高。为解决这一问题,本文受循环一致性生成对抗网络(Cycle-consistent Adversarial Networks,cyclegan)思想的启发,充分利用cyclegan在模拟真实数据分布方面的优越性进行研究,主要研究内容包括以下两部分:(1)本文提出了一种基于注意力循环一致性生成对抗网络(Attention cyclegan,Att-cyclegan)的对抗样本生成方法,该方法结合了cyclegan在转换样本上的优势,以及注意力机制在捕捉关键信息上的优点。首先,通过FGSM(Fast Gradient Sign Method)对原始数据进行预处理得到模型的输入。然后,构建包含生成器和判别器的cyclegan模型,并在其中引入注意力机制。接着,在训练过程中,采用对抗损失和循环一致性损失,实现生成器和判别器的交替优化。最后,使用训练好的生成器生成对抗样本,并对其进行评估。通过在CIFAR-10和Image Net两个数据集上进行实验,验证了Att-cyclegan算法在攻击成功率上有明显的提升。(2)针对以投毒为策略的后门攻击中触发器的隐蔽性不足问题,将上述所提Att-cyclegan方法应用于自动驾驶场景的加雾后门攻击,目标是生成具有加雾效果的后门图像,以欺骗自动驾驶系统。首先,利用加雾算法对输入图像进行预处理,其次,将预处理后的图像输入Att-cyclegan中,生成具有雾化效果的后门图像。最后,在训练自动驾驶模型时,将后门图像作为投毒样本融入训练集,使模型在以后门图像作为输入时产生预设的错误行为。通过在CTSDB、GTSRB数据集上进行验证,实验结果表明所提方法在攻击成功率和隐蔽性方面有着良好的表现。

关键词：对抗样本后门攻击 cyclegan 注意力机制自动驾驶系统

基于cyclegan的人脸—漫画转化算法研究与实现

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CycleGAN的人脸—漫画转化算法研究与实现

作者：徐啸武汉邮电科学研究院

学位级别：硕士

随着新一代信息技术深入应用,传统图像风格迁移技术已经无法满足以元宇宙与网络动漫等为代表的新兴行业的技术需求。生成对抗网络的提出,大大拓展了图像风格迁移技术的发展思路并在生成图像真实性与清晰度方面表现优异。然而网络上大多... 详细信息

随着新一代信息技术深入应用,传统图像风格迁移技术已经无法满足以元宇宙与网络动漫等为代表的新兴行业的技术需求。生成对抗网络的提出,大大拓展了图像风格迁移技术的发展思路并在生成图像真实性与清晰度方面表现优异。然而网络上大多数的漫画人脸趋同,脸部特征单一,但如果进行较为细致的刻画,制作成本很高。本文在对经典无监督风格转换的cyclegan模型进行分析、研究与实验的基础上,提出了基于自注意力机制的cyclegan人脸漫画风格转换模型,在人脸漫画风格转换方面效果优异。本文的工作主要体现在以下几个方面:(1)对于cyclegan模型存在导致内容图像的结构和显著区域在风格化的过程中发生扭曲和丢失等问题,本文借鉴SAGAN网络,将自注意力机制与cyclegan网络进行结合。用带有自注意力的特征图去代替传统的卷积特征图,通过自注意力机制获取图像的全局信息,解决了产生的图片就会缺乏结构特征的完整性的问题。(2)本文为突出人脸特征信息,降低背景的无效信息对人脸信息的干扰,采取了包括检测人脸及关键点、根据关键点校正人脸、裁剪人脸信息、置空背景信息等预处理操作,改善了风格转换的效果。同时,加入标签平滑化,增加网络的泛化能力,对生成的图像预测更加准确。(3)本文改进损失函数,增加总变异损失函数,实现真实图像的去噪,转换它们显示的颜色变化的广谱,并用更简单的颜色变化取代该光谱。本质上是用单一颜色替换大表面的复杂颜色,减少了图像噪声,使生成图像更加真实。本文的主要工作是对原始cyclegan网络进行改进和优化,构建了一个基于自注意力机制的循环一致性生成对抗网络。通过对组实验对比,本文改进的网络在真实人脸与漫画风格人脸转化的实验中,具有更加真实更加细腻的转换结果。

关键词：图像风格转换 cyclegan 自注意力机制损失函数

基于cyclegan网络实现非平行语料库条件下的语音转换

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CycleGAN网络实现非平行语料库条件下的语音转换

作者：李涛大连理工大学

学位级别：硕士

语音转换技术指的是,在不改变语义信息的情况下,改变源说话人说话的个性特征,使语音听起来像目标说话人说得一样。语音转换有着较高的理论研究价值和广泛的应用场景。当前语音转换的研究大多数依赖平行语料库,但实际中,平行语料库往往... 详细信息

语音转换技术指的是,在不改变语义信息的情况下,改变源说话人说话的个性特征,使语音听起来像目标说话人说得一样。语音转换有着较高的理论研究价值和广泛的应用场景。当前语音转换的研究大多数依赖平行语料库,但实际中,平行语料库往往难以获取,特征对齐容易出错,更是对于不同语言转换无能为力。本文重点研究更灵活、通用的非平行数据条件下的语音转换,主要做了如下工作:(1)对语音转换的理论和流程进行了梳理,使用最新的WORLD语音信号的分析合成模型来做特征参数提取、语音合成工作。(2)将在非平行数据条件下的图像风格迁移中表现很好的cyclegan网络运用到语音转换的频谱转换过程中,并针对性的改进了生成器网络、判别器网络、损失函数,加入了一些实验细节和超参数,结果表明能够实现基本的语音转换,但结果有待提升。(3)对上述网络继续做出改进,更改了网络结构以解决的判别器网络训练困难、训练不稳定等问题,加入了GLU激活函数保证了顺序和分层的特性。结果显示基于改进的cyclegan+GLU方法已经很接近基于平行数据条件下的GMM方法。

关键词：语音转换非平行语料库 cyclegan GLU

基于YOLOv5与cyclegan雾天交通标志检测算法的改进

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YOLOv5与CycleGAN雾天交通标志检测算法的改进

作者：许思源哈尔滨理工大学

学位级别：硕士

目前无人驾驶和辅助驾驶是国内外学者和机构的研究热点,无人驾驶的关键功能之一是准确检测和识别交通标志,该功能通过车载相机采集前方道路的交通标志信息,在保障车辆安全行驶和调节交通方面发挥着重要作用。然而交通标志越远,其在图像... 详细信息

目前无人驾驶和辅助驾驶是国内外学者和机构的研究热点,无人驾驶的关键功能之一是准确检测和识别交通标志,该功能通过车载相机采集前方道路的交通标志信息,在保障车辆安全行驶和调节交通方面发挥着重要作用。然而交通标志越远,其在图像中的轮廓便越不清晰,这会导致检测系统提取到的语义特征不足,因此很难检测到准确信息。另外,在雾天时,空气中的气溶胶会改变光的散射和吸收,阻碍了传感器感受远处物体所发出的光,这使得采集到的交通标志会更加模糊。以上原因都可能使检测算法的精度降低,导致驾驶系统无法有效获取道路信息。因此,研究如何克服雾霾天气对交通标志检测产生的负面影响,并保证检测系统的精度具有重要意义。基于以上问题,本文提出一种联合了cyclegan-FOG的YOLOv5交通标志识别算法。为除特定天气造成的影响,对cyclegan网络进行改进,称为CyclGAN-FOG。该网络为处理空间变化雾霾设计全局-局部鉴别器架构,添加局部鉴别器恢复图像中不同区域的模糊图像,设计具有残差块的编码-解码生成器架构,从而确保网络快速收敛。其次使用最小二乘GAN来计算对抗损失,处理空间变化的模糊图像。最后提出自正则颜色损失和循环感知损失,在HSV空间中计算图像的色调、饱和度和明度,以生成更真实的清晰图片并减轻颜色失真问题,保留图像结构和内容特征。为了能够提前预测较远处的交通标志,提高算法的精度,本文首先基于YOLOv5引入高效通道注意力机制,避免交通标志复杂背景信息的迭代累积形成大量冗余信息。其次设计多尺度检测器来避免交通标志的漏检误检,提高图像中较小尺寸交通标志的检测率,并降低用于检测小目标的计算能力。最后采用CIo U作为损失函数,尽可能地保证预测框与先验框的宽高纵横比更为接近,提升预测框在回归时的收敛速度。最后,本文将cyclegan-FOG与改进后的YOLOv5方法联合,在扩充后的CCTSDB2021数据集上进行实验验证,结果表明,与改进前方法相比,本文方法对雾天下交通标志的检测识别具有较好的效果与性能。

关键词：交通标志检测 cyclegan 图像去雾 YOLOv5 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cyclegan的图像风格转换

基于CycleGAN的图像风格转换

作者：彭鹏电子科技大学

学位级别：硕士

图像到图像的翻译工作在现实中有着广泛的应用,因此在计算机视觉领域得到高度关注。深度学习包括监督学习、非监督学习和半监督学习。基于监督学习的图像翻译算法在超分辨率增强、图像补全、图像风格转换等领域得到广泛应用。这些算法... 详细信息

图像到图像的翻译工作在现实中有着广泛的应用,因此在计算机视觉领域得到高度关注。深度学习包括监督学习、非监督学习和半监督学习。基于监督学习的图像翻译算法在超分辨率增强、图像补全、图像风格转换等领域得到广泛应用。这些算法大都采用基于深度卷积网络的编码-解码架构,得到了很好的效果,但是需要大量成对的训练数据,这极大地限制了其应用范围。生成对抗网络(GAN)是近几年深度学习领域的新秀,GAN的应用已经延伸至视频、图像、文字、语音等众多领域,尤其在图像的生成与图像风格转换领域。而cyclegan是加州大学伯克利分校Jun-Yan Zhu等人提出的一种图像风格转换技术。通过cyclegan的网络结构进行图像风格转换,将自然得到的图片转换成具有某种风格的图片,同时该方法不需要源图像与风格图像互相匹配,因此扩大了应用范围。而cyclegan模型中仍然存在着一些需要改进的地方,本文正是基于cyclegan模型进行进一步研究工作。本文研究了基于生成对抗网络的无监督学习图像风格转换模型cyclegan框架,针对原始模型的不足进行改进,提出一种效果更好的cyclegan改进网络模型。首先在实验中,分别使用WGAN-GP、WGAN、LSGAN和原始GAN目标函数比较生成样本的质量。研究发现,WGAN-GP能够稳定训练过程并且生成更真实的图像,所以在对抗部分目标函数使用WGAN-GP,WGAN损失替换LSGAN,GAN;其次,为了增强生成图像和原始图像之间的结构相似性,在循环一致性损失中增加MS-SSIM损失;然后,基于U-Net中跳跃层结构和残差块原理,在生成器网络部分使用残差块和跳跃层来增加多尺度不变性;最后,在判别器网络部分使用本文提出的多尺度扩张卷积判别器来提高图像风格转换中空间几何变换和高分辨率图像生成效果。改进模型在定性和定量上呈现出更好的转换生成效果,而且针对cyclegan模型在色彩和纹理上转换效果不错,却在几何形状变换方面效果较差的情况,改进模型有不错的改观。最后基于本文提出的改进cyclegan模型,解决人脸识别中常见遮挡物眼镜对识别的影响,实现改进cyclegan模型在眼镜摘除任务中的应用。

关键词：深度学习生成对抗网络 cyclegan 图像风格转换