搜索结果: 1-10 共查到“工学 对抗网络”相关记录10条 . 查询时间(0.131 秒)
中国科学技术大学在生成对抗网络的模式崩溃机理研究取得重要突破(图)
对抗网络 模式崩溃机理 计算机网络
2024/3/4
发票是财务系统的重要组成部分.随着计算机视觉和人工智能技术的发展,出现了各种发票自动识别系统,但是发票上的印章严重影响了识别准确率.本文提出了一种用于自动消除发票印章的SealGAN网络.SealGAN网络是基于生成式对抗网络CycleGAN的改进,采用两个独立的分类器来取代原本的判别网络,从而降低单个分类器的分类要求,提高分类器的学习性能,并且结合ResNet和Unet两种结构构建下采样W...
基于混合生成对抗网络的多视角图像生成算法
深度学习 计算机视觉 图像翻译 多视角图像生成
2024/1/18
多视角图像生成即基于某个视角图像生成其他多个视角图像,是多视角展示和虚拟现实目标建模等领域的基本问题,已引起研究人员的广泛关注.近年来,生成对抗网络(Generative adversarial network,GAN)在多视角图像生成任务上取得了不错的成绩,但目前的主流方法局限于固定领域,很难迁移至其他场景,且生成的图像存在模糊、失真等弊病.为此本文提出了一种基于混合对抗生成网络的多视角图像生成...
火电厂空气预热器(空预器)内部的灰尘、烟雾、光照变化等因素导致监控视频画面不清晰,影响监控效果。鉴于此,本文提出一种基于条件生成对抗网络(cGAN)的恶劣工业环境下红外补光监控视频图像清晰化方法。针对获取的红外补光图像样本数据进行预处理,包括高斯滤波去噪以及图像拼接操作,得到低清晰度图像和高清晰度图像的合成图像,低清晰图像作为待重建图像,高清晰图像作为重建图像的理想参考图像,采用建立的c GAN模...
DCLS-GAN:利用生成对抗网络的天绘一号卫星高原地区影像去云方法
高原地区 卫星影像 去云 天绘一号 深度卷积生成对抗网络 最小二乘
2021/3/30
利用深度学习开展高原地区卫星影像去云是一个研究热点。本文提出了基于DCLS-GAN的天绘一号卫星高原地区影像的去云方法,采用对抗学习的思想构建深度卷积对抗生成网络,自主学习影像中云覆盖部分的典型地表特征,从而恢复云覆盖下垫面形貌。基于Encoder-Decoder结构生成网络,构建固定与可移动2种云区掩膜,在矩形固定中心掩模预训练之后进行随机位置云掩模迁移训练,使用最小二乘重建损失与交叉熵对抗损失...
视网膜血管的分割帮助医生对眼底疾病进行诊断有着重要的意义.但现有方法对视网膜血管的分割存在着各种问题,例如对血管分割不足,抗噪声干扰能力弱,对病灶敏感等.针对现有血管分割方法的缺陷,本文提出使用条件深度卷积生成对抗网络的方法对视网膜血管进行分割.我们主要对生成器的网络结构进行了改进,在卷积层引入残差模块进行差值学习使得网络结构对输出的改变变得敏感,从而更好地对生成器的权重进行调整.为了降低参数数目...
利用深度卷积神经网络智能化地提取遥感图像中的建筑物对于数字城市构建、灾害侦查、土地管理等具有重要意义。多时相遥感图像之间的色彩差异会导致建筑物语义分割模型泛化能力下降。针对此,本文提出了注意力引导的色彩一致生成对抗网络(attention-guided color consistency adversarial network,ACGAN)。该算法以参考色彩风格图像及相同区域、不同时相的待纠正图像...
近日,中国科学院自动化研究所智能感知与计算研究中心在生成对抗网络基础上提出高保真度的姿态不变模型(High Fidelity Pose Invariant Model,HF-PIM)来克服人脸识别任务中最为经典的姿态不一致问题。实验结果表明,该方法在基准数据集上的表现的视觉效果和定量性能指标都优于目前最好的基于对抗生成网络的方法。此外,HF-PIM所支持的生成图像分辨率也在原有方法的基础上提升了一...