检索结果-南通市图书馆

中国医学物理学杂志 2022年第2期39卷 203-208页

作者：孟祥银吴香奕彭昭徐榭裴曦中国科学技术大学核科学技术学院安徽合肥230026 安徽慧软科技有限公司安徽合肥230088

目的:结合伪MRI(sMRI)软组织信息,提出新的腹部器官自动勾画模型,改进CT软组织的勾画效果。方法:使用两个独立的深度神经网络分步完成病人腹部危及器官的自动勾画。首先,基于cyclegan网络构建由CT图像转换sMRI图像的模型,采用去噪判别... 详细信息

目的:结合伪MRI(sMRI)软组织信息,提出新的腹部器官自动勾画模型,改进CT软组织的勾画效果。方法:使用两个独立的深度神经网络分步完成病人腹部危及器官的自动勾画。首先,基于cyclegan网络构建由CT图像转换sMRI图像的模型,采用去噪判别器等改进方法,得到器官轮廓一致的高清晰度sMRI。其次,使用sMRI与手工勾画信息训练自动勾画模型ResidualU-Net,在CT和sMRI上分别自动勾画危及器官轮廓,ResidualU-Net的残差模块能够充分利用提取到的特征来区分不同的器官。采用戴斯相似性系数(DSC)作为自动勾画模型分割精度的评价标准,35例宫颈癌与35例前列腺癌患者用于自动勾画模型的训练和评估。结果:结合sMRI信息的自动勾画模型在直肠、膀胱、左右股骨头的平均DSC分别为0.779±0.021、0.944±0.006、0.834±0.006、0.845±0.021。结论:使用结合sMRI信息的腹部CT自动勾画方法,可以在直肠获得更精确的自动勾画结果。

关键词：伪MRI cyclegan 腹部自动勾画

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

基于生成对抗网络的数码迷彩生成方法研究

基于生成对抗网络的数码迷彩生成方法研究

作者：谢昀珊西安工业大学

学位级别：硕士

随着军事科学技术的逐渐发展,数码迷彩伪装作为一项关键的伪装技术在军事侦查的对抗中发挥着重要的作用。传统的数码迷彩生成方法较为复杂,需要通过提取主色特征和纹理特征、计算迷彩单元、生成迷彩斑块并填充等一系列步骤完成,可能存... 详细信息

随着军事科学技术的逐渐发展,数码迷彩伪装作为一项关键的伪装技术在军事侦查的对抗中发挥着重要的作用。传统的数码迷彩生成方法较为复杂,需要通过提取主色特征和纹理特征、计算迷彩单元、生成迷彩斑块并填充等一系列步骤完成,可能存在自然纹理细节失真、细节模糊等问题,以致影响伪装效果。而基于深度学习的方法近年来被广泛应用,因此,为了针对不同环境背景自动快速生成高质量的、伪装效果好的数码迷彩,本文对生成对抗网络生成数码迷彩的问题展开了以下研究:(1)研究改进一种基于cyclegan网络架构的数码迷彩生成方法。针对传统的生成方法生成数码迷彩质量不好的问题,改进基于cyclegan的数码迷彩生成方法。首先,通过残差网络Res Net与通道注意力机制SENet结合成为SE-Resnet网络结构,以便能够灵活地调整通道的权重,从而使网络能够更有效地提取关键通道特征,如颜色特征、纹理特征等,提升网络对图像中重要信息的感知能力。其次,为了提高样本生成质量,引入颜色保持损失,改进了对抗性损失函数,使用WGAN-GP代替原始GAN Loss,可以生成更真实、更清晰的样本,避免了传统生成对抗网络中常见的不稳定输出问题。(2)改进cyclegan网络模型的轻量化研究。cyclegan模型在特征提取的过程中,会产生大量冗余的参数,以致影响到迷彩生成的速度。为了改善上述状况,使网络模型变得更加轻量化,本文将Mobile Net V2与cyclegan相结合,用深度可分离卷积结构替代普通卷积结构,可以在很大程度上减少网络训练过程中产生的参数量,减少cyclegan模型的运行时间,缩小了模型的计算规模,进而提升了网络模型的训练效率。(3)通过消融实验、对比实验、迷彩伪装实验来验证上述方法的有效性。本文通过峰值信噪比、结构相似度等指标来评价生成的数码迷彩图案的质量;通过结构相似度、纹理相似度、颜色相似度指标对迷彩伪装效果进行评价。实验结果表明,改进后的网络参数量为7.214M,相比原始cyclegan减少了4.164M;运行速度相比原始cyclegan提高了35%;SSIM和PSNR分别为0.69和17.1,相比原始cyclegan分别提高了0.19和1.5;本文方法生成的迷彩图案与自然背景相比,相似度平均值分别达到了0.7517和0.8030,比传统方法最多提高了22%。本文方法在保证图像生成效果的前提下,实现了迷彩图案的快速生成,经检测,有较好的伪装效果。

关键词：数码迷彩生成深度学习生成对抗网络 cyclegan 网络轻量化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的图像风格迁移方法研究

基于深度学习的图像风格迁移方法研究

作者：王婧合肥工业大学

学位级别：硕士

图像的风格迁移是一种重要的图像处理技术。风格迁移技术旨在通过一定的算法,将一张图片的内容信息与另一幅图片的纹理、色调、轮廓等风格信息相互融合,继而创造出一张全新的图像,与原图像相比,生成的图像在原有的内容信息不改变的情况... 详细信息

图像的风格迁移是一种重要的图像处理技术。风格迁移技术旨在通过一定的算法,将一张图片的内容信息与另一幅图片的纹理、色调、轮廓等风格信息相互融合,继而创造出一张全新的图像,与原图像相比,生成的图像在原有的内容信息不改变的情况下,风格却变得迥然不同。近年来,深度学习的快速发展以及其在图像处理方面的优异表现引起了研究者们的广泛关注,研究者们开始运用深度学习技术来研究图像的风格迁移问题,并取得了许多突破性的进展。但是,目前已提出的基于深度学习的风格迁移技术仍有着许多的问题。例如,对图像的内容特征和风格特征提取不彻底,使得生成的图片内容有明显的失真而且风格不够鲜明;图像中不同的对象风格混淆,看起来非常违和。为了解决上述的问题,我们对风格迁移技术进行了深入地研究与改进,提升了生成图像的视觉效果。本文的研究内容主要分为以下三个方面:（1）本文对图像风格迁移技术的两大理论基础,即对图像的内容与风格这两种特征的提取和描述的理论以及应用于风格迁移的典型深度学习算法理论进行了详细地描述、分析与总结,为后续的研究工作的开展奠定了坚实的基础。（2）本文采用了深度卷积神经网络（CNN）提取图像的风格与内容特征,实现对图像的风格进行迁移。然后,我们提出了一种目标分割引导图像重建的算法,通过对一张图片的特定对象进行风格学习,随后在生成图像时对相同目标进行画风迁移,使得在生成图像中风格特征与内容特征能够准确地进行对应,显著改善了生成图像的视觉效果。（3）本文使用了循环生成对抗网络（cyclegan）来进行图像的风格迁移,cyclegan是一种无监督学习算法。cyclegan可以在缺乏成对数据的情况下,通过仅有的图片类别域的信息,实现域到域的图像变换。实验结果表明,将cyclegan生成式模型应用于风格迁移任务,生成图像的视觉效果有明显提升。

关键词：图像风格迁移卷积神经网络 cyclegan 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

基于动态结构光的自动上料技术研究

基于动态结构光的自动上料技术研究

作者：王利红杭州电子科技大学

学位级别：硕士

随着科技的日益发展,当前制造业的自动化正朝着更智能、更精确、更高效的方向发展。但在实际的生产过程中,生产线的自动上料过程仍难以实现完全自动化,这是因为加工零件在上料之前往往是随机散乱摆放的,无法通过预先编码定位的方式完成... 详细信息

随着科技的日益发展,当前制造业的自动化正朝着更智能、更精确、更高效的方向发展。但在实际的生产过程中,生产线的自动上料过程仍难以实现完全自动化,这是因为加工零件在上料之前往往是随机散乱摆放的,无法通过预先编码定位的方式完成上料工作。面对这一问题,基于视觉引导的自动上料系统是当前主流的解决方案,然而在实际工厂环境下,基于视觉的自动上料系统仍受到工作环境光线明暗不一、背景复杂等干扰因素的挑战。基于上述现状及痛点,本文对工业制造场景中动态工件的三维重建和位姿估计等自动上料相关技术进行了研究,主要贡献如下:(1)针对工业制造场景中动态工件三维重建问题,提出了适应随机相移步长的动态结构光三维重建方法。该方法首先利用一幅结构光正弦光栅图案配合传输带上沿条纹垂直方向运动的工件实现相对相移。其次,为了解决由于传送带等机械装置受到外部震动、电磁辐射等干扰因素而导致相移步长不均匀的问题,该方法提出基于RPSNet的动态结构光三维重建模型,该模型以Cycle GAN网络模型为基础,使用本文提出的AIR2U-net模型作为生成器,多层卷积神经网络CNN作为判别器,实现光栅图向深度图的转换。最后,针对网络模型需要大量数据进行训练而实际工业场景中数据难以采集的问题,本文使用Thing10k数据集和Blender仿真软件制作的数据集进行模型训练。最终实现了工件较高质量的三维重建。(2)针对工业制造场景中工件的位姿估计问题,提出了基于点云配准的位姿估计方法。该方法将上述三维重建方法得到的工件点云数据和预先创建的工件模板点云数据进行点云配准,从而得到位姿关系。具体而言,两份点云数据首先使用本文提出的RPT模块进行点云的特征提取,得到点云的特征描述符后使用反向LK算法计算两个点云之间的变换矩阵,进而根据得到模板点云的位姿得到源点云的位姿数据。通过在公开数据集以及真实生产场景的数据集上与主流方法进行对比,实验结果表明,本文提出以上方法在动态场景的测量下有着优异表现。将上述方法在实际工业制造场景的上料过程进行试验,最终验证了本文提出方法的有效性。

关键词：自动上料三维重建位姿估计 cyclegan 随机相移步长

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

小样本条件下雷达信号的生成与轻量化识别

河南理工大学学报（自然科学版） 2024年第5期43卷 142-151页

作者：李辉王悦悦魏坡邹波蓉王伟东河南理工大学物理与电子信息学院河南焦作454000

目的针对目前深度学习方法在雷达信号识别中需要海量数据且网络复杂、计算量大、设备要求高等问题,方法提出一种联合改进cyclegan和MobileNetV3-Small轻量化卷积神经网络的雷达信号识别算法。首先,选取8种常见的雷达信号类型构建时域序... 详细信息

目的针对目前深度学习方法在雷达信号识别中需要海量数据且网络复杂、计算量大、设备要求高等问题,方法提出一种联合改进cyclegan和MobileNetV3-Small轻量化卷积神经网络的雷达信号识别算法。首先,选取8种常见的雷达信号类型构建时域序列,为了更好保留时频特征,在信号预处理阶段将其通过崔-威廉斯分布形成图像数据集,在数据集扩充阶段将图像数据集作为cyclegan迁移网络的输入,约束指导目标图像的生成,以解决样本不足的问题;然后,在cyclegan的生成器中引入U-Net结构和残差密集块并更改判别器的判别方式和损失函数,以解决数据集扩增过程中的特征模糊和梯度消失等问题;最后,在信号识别阶段,通过构建具有代表性的MobileNetV3-Small轻量化网络,完成识别验证任务。结果图像生成网络cyclegan的图像评价指标PSNR为39.74 dB,SSIM为0.95;MobileNet-Small信号识别网络模型迭代训练100次的参数量为1538942,总运行时间为2152 s,FLOPs为127351188,准确率为99.30%。结论本文算法生成的图像与真实样本相似度高、失真度小,在不以牺牲准确率为代价的前提下识别速度有很大提升,有效实现了小样本条件下雷达信号的高精度识别。

关键词：雷达信号识别崔-威廉斯分布残差密集块 cyclegan MobileNetV3-Small

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

自然场景下多姿态人脸识别的研究与实现

自然场景下多姿态人脸识别的研究与实现

作者：李亚林电子科技大学

学位级别：硕士

在新冠疫情防控期间,人脸识别在病毒流调、无接触通行、目标追踪等方面发挥出重要作用,但此类复杂的自然场景伴有诸多干扰因素,阻碍了识别性能的进一步提升。本文将研究在自然场景下如何改善跨姿态人脸识别任务的表现。该问题面临如下挑... 详细信息

在新冠疫情防控期间,人脸识别在病毒流调、无接触通行、目标追踪等方面发挥出重要作用,但此类复杂的自然场景伴有诸多干扰因素,阻碍了识别性能的进一步提升。本文将研究在自然场景下如何改善跨姿态人脸识别任务的表现。该问题面临如下挑战:(1)相比于光照、表情等因素,姿态变化更容易引起自遮挡和外观扭曲等问题,使得原本处于人脸中心区域的显著特征有所缺失,进而发生一种现象:相比于类间差异(即不同对象之间的特征差异),类内差异(即同一对象的不同图像实例之间的差异)却更明显,最终严重影响模型的识别性能。(2)当下,数据集的客观矛盾也制约着传统算法和以数据驱动的深度学习算法的进一步突破,即:(1)正脸与非正脸成对标记(属于同一对象)的配对数据几乎来自受限数据集,并且此类数据集存在多样性(即对象数量)不足、数据体量较小以及姿态变化不够丰富等问题;(2)而公开的非受限数据集恰巧相反,在多样性、数据量、变化因素等方面有着天然优势,但缺乏足量的配对数据;(3)此外,数据集内的姿态分布通常是极度不平衡的,此类数据域的分布特征有碍于泛化能力的提升。本文将直面以上挑战,以循环一致思想为基础,针对人脸正面化任务而改进cyclegan,在模型框架、网络结构、学习策略以及损失函数等方面作出调整,使得原本不擅长处理较大几何变换的cyclegan能够用于人脸姿态变换,最终得到一种基于循环一致对抗网络的半监督人脸正面化模型。受限环境和自然场景下的定性和定量结果显示,该方法能够有效提升多姿态人脸识别的性能,概括地,其贡献和创新如下:(1)框架中,改变判别器组与生成器组的独立对抗关系,而构建新的一对多的轮流对抗关系;并重新设计子模块的网络结构,融入姿态估计信号和局部注意力机制;目的是学习姿态变换、提升输出图像质量,并削弱模型训练的不稳定性。(2)在学习方式上,将无监督调整一种更具泛化能力且统一的半监督策略,充分利用了配对和非配对数据的各自优势,使得模型能够适应更广泛的现实场景;且训练集配置更重视较大偏航角和俯仰角同时存在的图像实例,而其他代表性方法几乎只关注偏航角一个维度。(3)为了进一步克服姿态旋转的内在不确定性,原始框架的损失函数不尽适用;因此,集成了像素级、感知层等维度的约束,并设计了一个新的姿态偏移角损失;以此增强非监督分量的循环一致性和姿态一致性。(4)以此模型为核心依赖,实现了一套小型的多姿态人脸识别系统。

关键词：多姿态人脸识别自然场景半监督人脸正面化循环一致 cyclegan

基于GAN模型的缺陷绝缘子图像生成方法研究

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GAN模型的缺陷绝缘子图像生成方法研究

作者：潘锋华北电力大学

学位级别：硕士

深度学习随着硬件的发展而打破瓶颈,无人机智能巡检技术发展较快,其中包括利用深度学习实现缺陷绝缘子故障识别。由于各种电力设备所固有的特殊性质,传统的巡检维护工作效率很低。基于深度学习的目标检测模型定位速度快,但需要一个平衡... 详细信息

深度学习随着硬件的发展而打破瓶颈,无人机智能巡检技术发展较快,其中包括利用深度学习实现缺陷绝缘子故障识别。由于各种电力设备所固有的特殊性质,传统的巡检维护工作效率很低。基于深度学习的目标检测模型定位速度快,但需要一个平衡的缺陷故障绝缘子训练集来解决漏检问题。实际上,获得各类故障均衡的故障绝缘子数据很难。生成式对抗网络（Generative Adversarial Networks,GAN）为平衡训练样本库提供了可行的解决方法。构建了生成对抗网络的绝缘子图像扩充模型,用于扩丰富陷绝缘子检测模型的图像数据集。用边缘轮廓提取算法HED获得原始绝缘子图像的轮廓图像,将提取的轮廓图像和原始图像有序一一配对,构建ContourGAN网络模型进行缺陷绝缘子轮廓和图像的生成。注意力机制在图像分割和检测方面获得效果较好,利用注意力机制的绝缘子生成或许能提高生成图像的质量,构建AttentionGAN模型生成缺陷绝缘子图像。根据AttentionGAN和ContourGAN结果均生成了缺陷绝缘子图像,但没有生成期待的未知的结果,即绝缘子故障位置与原始数据不同。cyclegan是一类基于风格转换的生成对抗网络,其在橘子和苹果训练相互转换取得成功,由于无法理解图像语义信息,在绝缘子这类细长的目标转换上有很大困难,给出了一种改进的cyclegan网络模型用于扩充缺陷绝缘子样本。实验前准备绝缘子的二值掩膜图像,二值掩膜图像划分了绝缘子整体或部分待转换的区域,划出的绝缘子整体区域期望进行不同材质的变换,绝缘子部分区域期望进行掉串图像特征生成。将模型该模型通过更改损失函数来优化cyclegan模型,加入生成掩膜图与生成图像的哈达玛积作为内容损失,改进模型在保持绝缘子样本整体轮廓的同时,局部实现正常绝缘子到自爆绝缘子的转换。利用Frechet距离（Frechet Inception Distance,FID）对生成模型生成的图像进行性能评估,证明改进的cyclegan模型优于其他两个模型。使用改进的cyclegan扩充后的数据集与其他扩充方法在CNN图像分类方法中比较,实验结果表明由改进的cyclegan扩充的数据集的方法相较于其他扩充方法在绝缘子掉串检测识别率有明显提升。给出的改进cyclegan可以通过生成具有给定输入图像的不同绝缘子图像来扩增训练数据,从而可以用来改进其他识别或检测任务。

关键词：故障绝缘子生成对抗网络卷积神经网络样本扩充 cyclegan

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多视图几何约束的高光去除算法研究

基于多视图几何约束的高光去除算法研究

作者：郭圣逸武汉纺织大学

学位级别：硕士

镜面高光反射现象是指光线在镜面物体表面发生镜面反射,从而在采集到的图像中产生高光等现象。这些高光会影响许多视觉任务的精度,因此如何去除图片中的高光区域是计算机视觉领域一个重要的问题。近年来,随着卷积神经网络等深度学习方... 详细信息

镜面高光反射现象是指光线在镜面物体表面发生镜面反射,从而在采集到的图像中产生高光等现象。这些高光会影响许多视觉任务的精度,因此如何去除图片中的高光区域是计算机视觉领域一个重要的问题。近年来,随着卷积神经网络等深度学习方法在图像领域的兴起,可以通过大量的镜面反射-漫反射配对数据,有监督的训练网络从而实现图像表面高光去除任务。然而,与许多有监督的视觉任务不同的是,我们很难获取大量的配对数据集。为了解决这个问题,我们可以使用对偶生成对抗网络,例如cyclegan等,利用非配对数据集训练网络。本文基于经典的cyclegan框架,提出了一种基于多视图几何一致性约束的高光去除方法,主要研究内容包含了如下两个方面:(1)cyclegan是对图像整体风格的迁移,对于去高光任务而言,背景会影响前景物体去高光的效果。因此本文基于卷积注意力模块的U-Net网络对图像进行预处理分割,将图像中的前景物体单独分割出来,使风格迁移网络仅作用于前景物体。实验结果显示,在金属图像分割数据集上,本文所提出的方法平均交并比为90.8561,在石膏图像分割数据集上,本文所提出的方法平均交并比为90.1896,取得了较好的分割效果。(2)cyclegan网络缺乏对图像的多视角信息的利用,它的学习对象是两个域之间的转换关系,无法处理输入为多视角序列图像的情况。因此本文提出了几何一致性损失函数,衡量每个多视角图像的可信度,充分利用图像的多视角信息保证生成的图像纹理具有一致性。具体来说,我们引入了可微分渲染器学习图形的多视角信息,从3D的角度构建图像的形成过程。实验结果显示,在金属-石膏风格迁移数据集上,使用本文方法生成的石膏图片与原石膏图片结构相似性指标为0.9085,峰值信噪比指标为26.9568,提高了图像转换的精度。

关键词：生成对抗网络 cyclegan 注意力机制 U-Net 可微分渲染

基于分割融合与生成对抗网络的弓网图像生成技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于分割融合与生成对抗网络的弓网图像生成技术研究

作者：侯思祯西南交通大学

学位级别：硕士

弓网系统是牵引系统中的重要设备,对其进行智能检测有助于保证弓网系统运行的安全性及稳定性。弓网图像数据是弓网智能检测的基础条件,因此图像数据的生成与增强技术有着重要研究意义和研究价值。本文根据收集弓网图像不同特点设计了两... 详细信息

弓网系统是牵引系统中的重要设备,对其进行智能检测有助于保证弓网系统运行的安全性及稳定性。弓网图像数据是弓网智能检测的基础条件,因此图像数据的生成与增强技术有着重要研究意义和研究价值。本文根据收集弓网图像不同特点设计了两种弓网背景转换思路,这些转换图像增加了弓网数据的完备性和多样性。根据黑夜中弓网图像信息单一、弓网轮廓清晰的特点,本文先使用U-net分割出原图像中的弓网,再使用泊松融合将分割出的弓网与新的背景图像融合。进行分割时本文使用的是300张弓网图像及其标注数据,同时构造了反比例变换、圆弧变换以及三次变换几种图像变换的函数处理原始的弓网图像,将处理后的图像对应标注数据去训练U-net做对比实验;其中三次变换的图像拥有最高的分割精度,使用其分割结果与收集的背景图像做泊松融合;得到视觉效果真实、整体色调统一、边缘处融合平滑的合成图像。根据白天中弓网图像信息主体明显、色彩单一的特点,本文使用cyclegan对弓网图像进行背景转换,通过收集到的数据集训练出景深变换和色彩变换两种模型,使用训练得到模型对原始弓网图像处理,得到背景变换后图像;使用峰值信噪比和图像信息熵两种评价指标计算变换前后的图像,经对比分析可知原图像经cyclegan变换背景后在保留原图像主体信息的基础上更加丰富了图像的信息。本文使用的两种弓网背景生成方法都获得了在视觉上具有真实效果的图像,在保留原始弓网信息的同时为弓网数据增添了新的图像的信息。这为弓网问题的后续研究如弓网的识别与定位、燃弧的检测等提供了数据基础。

关键词： U-net cyclegan 受电弓接触网图像生成