检索结果-维普期刊中文期刊服务平台

面向深度学习的图像数据增强综述被引量：3: 1; 作者杨锁荣杨洪朝 +1 位作者申富饶赵健《软件学报》北大核心 2025年第3期1390-1412,共23页; 深度学习已经在许多计算机视觉任务中取得了显著的成果.然而,深度神经网络通常需要大量的训练数据以避免过拟合,但实际应用中标记数据可能非常有限.因此,数据增强已成为提高训练数据充分性和多样性的有效方法,也是深度学习模型成功应用... 展开更多; 关键词深度学习图像数据增强图像识别泛化性能计算机视觉; 在线阅读下载PDF 职称材料

基于改进DCGAN的棉叶螨为害图像数据增强方法: 2; 作者雷竣杰周保平《江苏农业学报》北大核心 2025年第5期916-926,共11页; 为解决棉叶螨不同为害程度图像样本量不足和类别不平衡的问题,降低数据采集成本,并提高生成对抗网络生成图像的质量和多样性,本研究提出了一种基于改进DCGAN模型的棉叶螨为害图像数据增强方法。在原始模型的基础上,引入类别标签,使模型... 展开更多; 关键词棉叶螨为害程度深度卷积生成对抗网络(DCGAN) 图像数据增强; 在线阅读下载PDF 职称材料

基于改进生成对抗网络的图像数据增强方法被引量：7: 3; 作者詹燕胡蝶 +3 位作者汤洪涛鲁建厦谭健刘长睿《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第10期1998-2010,共13页; 为了提高机器学习模型的精确度,提出基于数据分布拟合、生成式对抗神经网络和图像超分辨率重建的图像数据增强方法.该方法将最大似然估计和采样算法生成的符合原始数据分布的二维噪声用于对抗训练,克服了在生成模型中传统图像噪声输入... 展开更多; 关键词图像数据增强分布拟合采样算法生成式对抗网络图像超分辨率重建; 在线阅读下载PDF 职称材料

基于DDR-CycleGAN的红外图像数据增强被引量：4: 4; 作者张浩杨坚华 +1 位作者李启航花海洋《激光与红外》 CAS CSCD 北大核心 2022年第4期600-606,共7页; 提出了一种基于双鉴别器相对循环一致性生成对抗网络(DDR-CycleGAN)的红外图像数据生成方法。针对双鉴别器监督机制易出现的过度优化造成的性能下降问题,该方法在双鉴别器循环一致性生成对抗网络(DD-CycleGAN)中加入了相对概率的思想,... 展开更多; 关键词循环一致性生成对抗网络双监督机制相对概率红外图像数据增强; 在线阅读下载PDF 职称材料

船舶目标重叠下马赛克图像数据增强方法研究被引量：10: 5; 作者曾广淼俞万能 +1 位作者王荣杰林安辉《控制理论与应用》 EI CAS CSCD 北大核心 2022年第6期1139-1148,共10页; 目标识别中的重叠遮挡问题一直以来是研究的难点,船舶目标在狭窄水域发生相互遮挡的情况依然存在.本文提出了一种改进的马赛克数据增强方法,将训练图片拼接变换成3种不同的尺度,并按照不同比例输入网络进行训练,强化了检测算法对局部特... 展开更多; 关键词船舶识别目标重叠图像数据增强 Yolov4算法深度学习; 在线阅读下载PDF 职称材料

改进生成式对抗网络的图像数据集增强算法被引量：6: 6; 作者郭伟庞晨《电讯技术》北大核心 2022年第3期281-287,共7页; 针对现有深度学习中图像数据集缺乏的问题,提出了一种基于深度卷积生成式对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)的图像数据集增强算法。该算法对DCGAN网络进行改进,首先在不过多增加计算量的前提下改进现... 展开更多; 关键词图像数据增强生成对抗网络深度卷积相对判别器残差网络; 在线阅读下载PDF 职称材料

基于数据增强的粗糙度加工实时检测技术研究被引量：1: 7; 作者谢炳生刘璨 +3 位作者周群龙刘焕牢吴敬权周本政《工具技术》北大核心 2023年第6期122-126,共5页; 在铣削加工时对工件的表面粗糙度进行实时检测的过程中,针对相机运动拍摄获取的图像存在运动模糊以及运动模糊的变化影响表面粗糙度识别的问题,根据图像运动模糊的形成原理,提出一种基于运动模糊算子的数据增强方法,该方法可以生成多种... 展开更多; 关键词粗糙度实时检测图像数据增强运动模糊卷积神经网络; 在线阅读下载PDF 职称材料

深度学习驱动的水下图像增强与复原研究进展被引量：18: 8; 作者丛润民张禹墨 +2 位作者张晨李重仪赵耀《信号处理》 CSCD 北大核心 2020年第9期1377-1389,共13页; 水下图像是水下信息的重要载体和呈现方式,对海洋资源的探索、开发、利用具有至关重要的作用。然而,由于客观成像环境和设备的限制,水下图像质量总是差强人意,具有对比度低、细节模糊、颜色偏差等退化现象,严重制约相关领域的发展。因此... 展开更多; 关键词水下图像质量退化图像增强与复原深度学习水下图像增强与复原数据库; 在线阅读下载PDF 职称材料

题名面向深度学习的图像数据增强综述被引量：3: 1; 作者杨锁荣杨洪朝申富饶赵健; 机构计算机软件新技术国家重点实验室(南京大学) 南京大学计算机科学与技术系南京大学人工智能学院南京大学电子科学与工程学院; 出处《软件学报》北大核心 2025年第3期1390-1412,共23页; 基金国家自然科学基金(62276127)。; 文摘深度学习已经在许多计算机视觉任务中取得了显著的成果.然而,深度神经网络通常需要大量的训练数据以避免过拟合,但实际应用中标记数据可能非常有限.因此,数据增强已成为提高训练数据充分性和多样性的有效方法,也是深度学习模型成功应用于图像数据的必要环节.系统地回顾不同的图像数据增强方法,并提出一个新的分类方法,为研究图像数据增强提供了新的视角.从不同的类别出发介绍各类数据增强方法的优势和局限性,并阐述各类方法的解决思路和应用价值.此外,还介绍语义分割、图像分类和目标检测这3种典型计算机视觉任务中常用的公共数据集和性能评价指标,并在这3个任务上对数据增强方法进行实验对比分析.最后,讨论当前数据增强所面临的挑战和未来的发展趋势.; 关键词深度学习图像数据增强图像识别泛化性能计算机视觉; Keywords deep learning image data augmentation image recognition generalization performance computer vision; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进DCGAN的棉叶螨为害图像数据增强方法: 2; 作者雷竣杰周保平; 机构塔里木大学信息工程学院塔里木绿洲农业教育部重点实验室; 出处《江苏农业学报》北大核心 2025年第5期916-926,共11页; 基金国家自然科学基金项目(61563046) 塔里木大学研究生科研创新项目(TDGRI202358)。; 文摘为解决棉叶螨不同为害程度图像样本量不足和类别不平衡的问题,降低数据采集成本,并提高生成对抗网络生成图像的质量和多样性,本研究提出了一种基于改进DCGAN模型的棉叶螨为害图像数据增强方法。在原始模型的基础上,引入类别标签,使模型能够针对不同等级的棉叶螨为害图像进行针对性生成,有效解决类别不平衡问题;其次,将传统的直连结构替换为残差结构,增强模型对复杂映射关系的学习能力,避免梯度消失问题,提升生成图像的质量;接着,在卷积层中嵌入卷积注意力模块(CBAM),强化模型对棉叶螨为害图像关键特征的提取能力,进一步提高生成图像的质量和多样性;最后,采用带有梯度惩罚的Wasserstein距离作为损失函数,避免模式崩溃的问题,增强模型的训练稳定性。改进后的DCGAN模型在训练稳定性和生成图像质量方面均优于原始模型,其生成图像的Inception score(IS,8.51)、Fréchet inception distance(FID,150.12)、Kernel inception distance(KID,0.06)和结构相似性指数(SSIM,0.82)均高于其他经典数据增强模型生成的图像。以改进的DCGAN模型生成的图像构建训练集训练棉叶螨为害图像分级模型——DenseNet-121模型,结果表明,基于改进的DCGAN模型生成的数据集训练的DenseNet-121模型平均分级准确率达88.02%,高于基于传统增强方法和其他模型生成的数据集训练的DenseNet-121模型。本研究为农业病虫害智能监测提供了技术支持。; 关键词棉叶螨为害程度深度卷积生成对抗网络(DCGAN) 图像数据增强; Keywords cotton leaf mite damage degree deep convolutional generative adversarial network(DCGAN) image data augmentation; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进生成对抗网络的图像数据增强方法被引量：7: 3; 作者詹燕胡蝶汤洪涛鲁建厦谭健刘长睿; 机构浙江工业大学机械工程学院; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第10期1998-2010,共13页; 基金浙江省科技计划资助项目[重点研发(尖兵)项目](2023C01063).; 文摘为了提高机器学习模型的精确度,提出基于数据分布拟合、生成式对抗神经网络和图像超分辨率重建的图像数据增强方法.该方法将最大似然估计和采样算法生成的符合原始数据分布的二维噪声用于对抗训练,克服了在生成模型中传统图像噪声输入随意的问题;采用逐层训练方式生成高分辨率图像,改进高分辨率图像映射困难、参数冗余的缺点.以轴承滚子表面灰度图像数据增强为例,验证所提方法的有效性.研究结果表明,所提方法生成的图像质量更优,相比传统方法生成的图像峰值信噪比提高13.07%,结构相似性提高32.40%,弗雷歇初始距离降低37.58%,且数据增强后的模型平均精确度提升7.89%.; 关键词图像数据增强分布拟合采样算法生成式对抗网络图像超分辨率重建; Keywords image data enhancement distribution fitting sampling algorithm generative adversarial neural network image super-resolution reconstruction; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于DDR-CycleGAN的红外图像数据增强被引量：4: 4; 作者张浩杨坚华李启航花海洋; 机构中国科学院光电信息处理重点实验室中国科学院沈阳自动化研究所中国科学院机器人与智能制造创新研究院中国科学院大学西北大学信息科学与技术学院; 出处《激光与红外》 CAS CSCD 北大核心 2022年第4期600-606,共7页; 基金中科院创新基金项目(No.E01Z040101)资助。; 文摘提出了一种基于双鉴别器相对循环一致性生成对抗网络(DDR-CycleGAN)的红外图像数据生成方法。针对双鉴别器监督机制易出现的过度优化造成的性能下降问题,该方法在双鉴别器循环一致性生成对抗网络(DD-CycleGAN)中加入了相对概率的思想,采用鉴别器鉴别图像的相对真实概率替代绝对真实概率,使得生成图片更加接近真实图片。本文方法采用FLIR数据集进行训练和测试,实验结果表明本文方法相比DD-CycleGAN在可见光图像生成红外图像的图像质量上,峰值信噪比提高了3.91%,FID(Frechet Inception Distance score)降低了3.81%。; 关键词循环一致性生成对抗网络双监督机制相对概率红外图像数据增强; Keywords cycle-consistency adversarial networks double supervision mechanism relative probability infrared image data enhancement; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名船舶目标重叠下马赛克图像数据增强方法研究被引量：10: 5; 作者曾广淼俞万能王荣杰林安辉; 机构集美大学轮机工程学院福建省船舶与海洋工程重点实验室; 出处《控制理论与应用》 EI CAS CSCD 北大核心 2022年第6期1139-1148,共10页; 基金国家自然科学基金项目(51879118,52171308) 福建省自然科学基金项目(2020J01688) +3 种基金福建省科技重点项目(2021H0021) 福建省科技拥军项目(B19101) 集美大学青年拔尖人才项目(ZR2019006)资助。; 文摘目标识别中的重叠遮挡问题一直以来是研究的难点,船舶目标在狭窄水域发生相互遮挡的情况依然存在.本文提出了一种改进的马赛克数据增强方法,将训练图片拼接变换成3种不同的尺度,并按照不同比例输入网络进行训练,强化了检测算法对局部特征的学习能力,在保持测试速度不变的情况下,提高了对重叠目标的识别准确率,降低了不同分辨率下识别能力的衰弱速度,加强了算法的鲁棒性.基于小型移动测试平台的实测实验证明,相对于原始算法,经过改进后的算法在重叠目标的识别准确率上提高了2.5%,目标丢失时间减少了17%,在不同视频分辨率下的识别稳定性上提高了27.01%.; 关键词船舶识别目标重叠图像数据增强 Yolov4算法深度学习; Keywords ship recognition target overlap image data enhancement Yolov4 algorithm deep learning; 分类号 U675.7 [交通运输工程—船舶及航道工程] TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名改进生成式对抗网络的图像数据集增强算法被引量：6: 6; 作者郭伟庞晨; 机构西安科技大学通信与信息工程学院; 出处《电讯技术》北大核心 2022年第3期281-287,共7页; 基金国家自然科学基金资助项目(61440059) 陕西省自然科学基础研究计划陕煤联合基金(2019JZ-08) 陕西省自然科学基础研究计划项目(2020JM-522,2020JM-396)。; 文摘针对现有深度学习中图像数据集缺乏的问题,提出了一种基于深度卷积生成式对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)的图像数据集增强算法。该算法对DCGAN网络进行改进,首先在不过多增加计算量的前提下改进现有的激活函数,增强生成特征的丰富性与多样性;然后通过引入相对判别器有效缓解模式坍塌现象,从而提升模型稳定性;最后在现有生成器结构中引入残差块,获得相对高分辨率的生成图像。实验结果表明,将所提方法应用在MNIST、SAR和医学血细胞数据集上,图像数据增强效果与未改进的DCGAN网络相比显著提升。; 关键词图像数据增强生成对抗网络深度卷积相对判别器残差网络; Keywords image data augmentation generative adversarial network deep convolutional neural network relativistic discriminator residual network; 分类号 TP391 [自动化与计算机技术—计算机应用技术] TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于数据增强的粗糙度加工实时检测技术研究被引量：1: 7; 作者谢炳生刘璨周群龙刘焕牢吴敬权周本政; 机构广东海洋大学机械工程学院; 出处《工具技术》北大核心 2023年第6期122-126,共5页; 基金国家自然科学基金(52175458)。; 文摘在铣削加工时对工件的表面粗糙度进行实时检测的过程中,针对相机运动拍摄获取的图像存在运动模糊以及运动模糊的变化影响表面粗糙度识别的问题,根据图像运动模糊的形成原理,提出一种基于运动模糊算子的数据增强方法,该方法可以生成多种模糊程度的图像。测试结果表明,所述方法可以扩大被训练的CNN模型的模糊适应范围,模型的粗糙度平均识别准确率提高了23.45%。; 关键词粗糙度实时检测图像数据增强运动模糊卷积神经网络; Keywords roughness real-time detection image data argumentation motion blur convolutional neural networks; 分类号 TG806 [金属学及工艺—公差测量技术] TH161.14 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名深度学习驱动的水下图像增强与复原研究进展被引量：18: 8; 作者丛润民张禹墨张晨李重仪赵耀; 机构北京交通大学信息科学研究所现代信息科学与网络技术北京市重点实验室新加坡南洋理工大学计算机与工程学院; 出处《信号处理》 CSCD 北大核心 2020年第9期1377-1389,共13页; 基金北京市科技新星计划(Z201100006820016) 国家自然科学基金(62002014,U1936212) +1 种基金香江学者计划,中国博士后科学基金资助项目(2019M660438,2020T130050)。; 文摘水下图像是水下信息的重要载体和呈现方式,对海洋资源的探索、开发、利用具有至关重要的作用。然而,由于客观成像环境和设备的限制,水下图像质量总是差强人意,具有对比度低、细节模糊、颜色偏差等退化现象,严重制约相关领域的发展。因此,如何通过后期算法对退化的水下图像进行增强和复原越来越受到学者们的关注。近些年,随着深度学习技术的快速发展,基于深度学习的水下图像增强与复原技术取得了巨大进展。为了更加全面、立体地对现有方法进行梳理与归纳,紧跟最新研究进展,本文着重对深度学习驱动的水下图像增强与复原的方法和模型进行介绍,详细整理现有的水下图像数据集,分析现有基于深度学习方法的关键问题,并对未来发展方向进行展望。; 关键词水下图像质量退化图像增强与复原深度学习水下图像增强与复原数据库; Keywords underwater image quality degradation image enhancement and restoration deep learning underwater image enhancement and restoration dataset; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	面向深度学习的图像数据增强综述	杨锁荣杨洪朝申富饶赵健	《软件学报》北大核心	2025	3	在线阅读下载PDF 职称材料
2	基于改进DCGAN的棉叶螨为害图像数据增强方法	雷竣杰周保平	《江苏农业学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于改进生成对抗网络的图像数据增强方法	詹燕胡蝶汤洪涛鲁建厦谭健刘长睿	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2023	7	在线阅读下载PDF 职称材料
4	基于DDR-CycleGAN的红外图像数据增强	张浩杨坚华李启航花海洋	《激光与红外》 CAS CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料
5	船舶目标重叠下马赛克图像数据增强方法研究	曾广淼俞万能王荣杰林安辉	《控制理论与应用》 EI CAS CSCD 北大核心	2022	10	在线阅读下载PDF 职称材料
6	改进生成式对抗网络的图像数据集增强算法	郭伟庞晨	《电讯技术》北大核心	2022	6	在线阅读下载PDF 职称材料
7	基于数据增强的粗糙度加工实时检测技术研究	谢炳生刘璨周群龙刘焕牢吴敬权周本政	《工具技术》北大核心	2023	1	在线阅读下载PDF 职称材料
8	深度学习驱动的水下图像增强与复原研究进展	丛润民张禹墨张晨李重仪赵耀	《信号处理》 CSCD 北大核心	2020	18	在线阅读下载PDF 职称材料