基于增强型多尺度残差生成对抗网络的图像压缩 被引量：1

1

作者 马婷 刘友鑫 +2 位作者 胡峰 聂伟 吴建芳 《计算机工程与设计》 北大核心 2024年第8期2415-2422,共8页

为解决低码率下更符合人类视觉感知的图像压缩,提出一种基于增强型多尺度残差生成对抗网络的有损压缩方法。在网络框架的自动编码器中,使用一种结构上改进的增强型多尺度残差块,其可以扩大感受野,更容易获得图像的全局信息。引入简易注... 为解决低码率下更符合人类视觉感知的图像压缩,提出一种基于增强型多尺度残差生成对抗网络的有损压缩方法。在网络框架的自动编码器中,使用一种结构上改进的增强型多尺度残差块,其可以扩大感受野,更容易获得图像的全局信息。引入简易注意力模块,帮助网络更加关注图像复杂的部分,减少简单部分的比特。判别器部分采用全新的相对平均判别器,在网络框架中使用LPIPS(learned perceptual image patch similarity)感知损失减轻图像伪影问题。采用两阶段训练的方式解决引入生成对抗网络导致训练不稳定的问题。实验结果表明了在低码率下所提模型的有效性,与之前的工作相比,所提方法在感知失真指标上表现更优,性能提升了65%左右,重建图像更符合人类视觉感知。 展开更多

关键词 低码率 图像压缩 生成对抗网络 多尺度残差块 注意力模块 相对平均判别器 感知损失

在线阅读 下载PDF 职称材料

基于生成对抗网络和混合注意力机制残差网络的苹果病害识别 被引量：16

2

作者 于雪莹 高继勇 +2 位作者 王首程 李庆盛 王志强 《中国农机化学报》 北大核心 2022年第6期166-174,共9页

准确识别并防治病害对提高苹果产量和质量具有重要意义。针对苹果病害图像因病斑区域小且易受背景干扰而导致识别准确率低的问题,设计一种基于混合注意力机制的残差网络(Convolutional Block Attention Module-Residual Network,CBAM-Re... 准确识别并防治病害对提高苹果产量和质量具有重要意义。针对苹果病害图像因病斑区域小且易受背景干扰而导致识别准确率低的问题,设计一种基于混合注意力机制的残差网络(Convolutional Block Attention Module-Residual Network,CBAM-ResNet)模型。该模型在残差网络中嵌入串联的通道注意力模块和空间注意力模块,使模型将注意力集中于图像特征的病害区域,提高识别准确率。针对模型训练数据集样本数量不足且数据不均衡问题,提出基于Wasserstein距离的生成对抗网络(Wasserstein Generative Adversarial Networks,WGAN)对数据集进行扩充的方法。通过生成器与判别器的对抗训练生成10000张苹果病害图像,对CBAM-ResNet进行训练和测试,提高模型的泛化能力和鲁棒性。试验结果表明:与CNN、VGG-16、ResNet-50、Inception-V3等传统模型相比,CBAM-ResNet对苹果病害的识别效果更优,其识别准确率、精确率、召回率和F1-Score参数分别达到95.50%、95.40%、95.40%和0.95。该方法能够为苹果病害图像准确识别和实时监测提供技术支撑。 展开更多

关键词 苹果病害 图像识别 生成对抗网络 残差网络 混合注意力机制

在线阅读 下载PDF 职称材料

基于生成对抗网络的深海图像增强算法 被引量：1

3

作者 郭银辉 张春堂 樊春玲 《电子测量技术》 北大核心 2024年第12期173-181,共9页

在复杂的深海环境中提高图像的质量和可视化效果对水下科学研究和工程应用具有重要意义。针对深海特殊环境导致深海数据集稀缺,以及深海图像存在的色彩失真、对比度低等问题本文构建了一个成对的深海图像数据集DSIEB,并在此基础上提出... 在复杂的深海环境中提高图像的质量和可视化效果对水下科学研究和工程应用具有重要意义。针对深海特殊环境导致深海数据集稀缺,以及深海图像存在的色彩失真、对比度低等问题本文构建了一个成对的深海图像数据集DSIEB,并在此基础上提出了一种结合DC注意力和MSDR多尺度密集残差的生成对抗网络DM-GAN算法。首先,在网络跳跃连接部分构建DC双重通道注意力机制,用于加强通道间联系,提取图像细节纹理特征。其次,在生成器结构中嵌入MSDR多尺度密集残差块,提高对局部信息的关注和特征重用能力。最后,重构新的损失函数,引入平滑保真度SF损失,从多个角度引导网络学习原始图像到目标图像的映射。通过在自建数据集DSIEB上进行实验验证,并与7种先进水下图像增强算法进行对比实验,实验结果表明本文所提算法具有更强的泛化能力,适应于多样性的深海图像。 展开更多

关键词 深海图像增强 生成对抗网络 DC双重通道注意力机制 MSDR多尺度密集残差块 SF损失

在线阅读 下载PDF 职称材料

一种改进生成对抗网络的遥感图像去云方法 被引量：1

4

作者 赵文翔 普运伟 《遥感信息》 CSCD 北大核心 2024年第5期78-85,共8页

在获取遥感图像的过程中,受天气等因素影响,得到的图像会含有云层,这直接影响了后期对于遥感图像的使用。针对这种问题,基于改进的生成对抗网络,提出了一种遥感图像去云方法。首先,网络的生成器主要结构为深度残差收缩网络,可以更好地... 在获取遥感图像的过程中,受天气等因素影响,得到的图像会含有云层,这直接影响了后期对于遥感图像的使用。针对这种问题,基于改进的生成对抗网络,提出了一种遥感图像去云方法。首先,网络的生成器主要结构为深度残差收缩网络,可以更好地去除噪声,并将生成器网络中的批归一化更换为组归一化以提高模型训练效率;其次,在网络损失函数中加入感知损失以进一步提高网络的去云效果。实验结果表明,相较于传统方法和深度学习方法,该方法在薄云处理时峰值信噪比最低提高了0.14 dB,最高提高了9.41 dB,结构相似性最低提高了0.01,最高提高了0.17。在厚云光学遥感图像去云处理方面,PSNR最高可提升6.97 dB,SSIM最高可提升到0.11,在主观视觉效果上也取得了较好的效果,验证了该方法的可行性和良好性能。 展开更多

关键词 去云 生成对抗网络 组归一化 深度残差收缩网络 损失函数

在线阅读 下载PDF 职称材料

基于残差网络与中心损失的人脸识别 被引量：12

5

作者 张枫 田联房 杜启亮 《计算机工程与设计》 北大核心 2019年第6期1689-1695,共7页

针对常规深度学习的人脸识别方法训练数据量巨大和训练难收敛的问题,提出一种基于残差网络与中心损失的人脸识别方法。利用生成对抗网络方法解决训练数据分布不均衡问题,利用数据增强方法解决数据不足问题;改进残差网络,使其匹配较小数... 针对常规深度学习的人脸识别方法训练数据量巨大和训练难收敛的问题,提出一种基于残差网络与中心损失的人脸识别方法。利用生成对抗网络方法解决训练数据分布不均衡问题,利用数据增强方法解决数据不足问题;改进残差网络,使其匹配较小数据集,解决训练难收敛问题;将交叉熵损失与中心损失结合,作为模型训练过程中的监督信号,使类间分散、类内聚合。实验结果表明,在小数据的前提下,识别算法能够准确地识别出人脸。模型在测试集上的准确率达97.46%。 展开更多

关键词 残差网络 生成对抗网络 人脸识别 中心损失 数据增强

在线阅读 下载PDF 职称材料

基于编解码器生成对抗网络的CT去噪 被引量：3

6

作者 周广宇 张鹏程 +2 位作者 刘生富 刘祎 桂志国 《计算机工程与设计》 北大核心 2022年第4期1059-1065,共7页

针对生成对抗网络在训练中损失函数收敛慢,难以恢复图像细节的问题,提出一种基于编解码器与多尺度损失函数的生成对抗网络模型。使用含残差连接的编解码器作为生成器,该网络易于训练,能够加快对抗损失函数的收敛;引入噪声损失,与使用VG... 针对生成对抗网络在训练中损失函数收敛慢,难以恢复图像细节的问题,提出一种基于编解码器与多尺度损失函数的生成对抗网络模型。使用含残差连接的编解码器作为生成器,该网络易于训练,能够加快对抗损失函数的收敛;引入噪声损失,与使用VGG19模型的感知损失构成多尺度损失函数,使图像在视觉上的纹理细节达到更细致的恢复效果。实验结果表明,与低剂量CT相比,去噪后图像的峰值信噪比提升了8.1%,结构相似性指数提升了4.8%,改进后的网络加快了损失函数收敛,有效改善了生成对抗网络训练困难、损失函数收敛慢、图像细节难以恢复等问题。 展开更多

关键词 CT图像去噪 生成对抗网络 编解码器 残差连接 损失函数

在线阅读 下载PDF 职称材料

结构增强型生成对抗网络SAR图像超分辨率重建 被引量：10

7

作者 闵锐 杨学志 +1 位作者 董张玉 陈鲸 《地理与地理信息科学》 CSCD 北大核心 2021年第2期47-53,共7页

针对利用生成对抗网络模型(Generative Adversarial Network,GAN)重建SAR(Synthetic Aperture Radar)图像存在边缘细节信息不足和“伪影”(artifacts)现象,该文基于增强型超分辨率生成对抗网络(Enhanced Super-Resolution Generative Ad... 针对利用生成对抗网络模型(Generative Adversarial Network,GAN)重建SAR(Synthetic Aperture Radar)图像存在边缘细节信息不足和“伪影”(artifacts)现象,该文基于增强型超分辨率生成对抗网络(Enhanced Super-Resolution Generative Adversarial Networks,ESRGAN)光学模型,重新设计生成网络上采样重建模块和结构损失函数,提出一种结构增强型生成对抗网络SAR图像超分辨率重建算法,包括特征提取、特征增强和上采样重建3个模块:在特征提取模块采用小尺度卷积层对输入SAR图像进行低层次特征提取;在特征增强模块采用多个级联残差密集块(Residual-in-Residual Dense Block,RRDB)和卷积层提取输入特征;在上采样重建模块交替使用最近邻插值(Nearest Neighbor Interpolation,NNI)和亚像素卷积(Sub-Pixel Convolution,SPC)对特征进行放大重建,使特征信息交互融合。与传统插值算法和经典深度学习重建算法相比,该算法在视觉效果和定量评价方面均有显著提升,能够在保持原网络模型重建图像内容信息不丢失的基础上,增强重建图像边缘细节信息和减缓“伪影”现象,有利于后续目标识别和灾害监测等工作开展。 展开更多

关键词 生成对抗网络 超分辨率重建 合成孔径雷达图像 结构损失 残差密集块

在线阅读 下载PDF 职称材料

改进的生成对抗网络图像去噪算法 被引量：6

8

作者 陈人和 赖振意 钱育蓉 《计算机工程与应用》 CSCD 北大核心 2021年第5期168-172,共5页

由于图像噪声的存在会干扰人对图像的理解,为了有效地去除噪声并获得比较好的视觉观感,提出一种基于生成对抗网络算法,该算法通过增加生成网络的宽度来获取更多的图像特征,并加入一个全局残差对输入的噪声图像进行特征的提取与学习,避... 由于图像噪声的存在会干扰人对图像的理解,为了有效地去除噪声并获得比较好的视觉观感,提出一种基于生成对抗网络算法,该算法通过增加生成网络的宽度来获取更多的图像特征,并加入一个全局残差对输入的噪声图像进行特征的提取与学习,避免特征的丢失。网络采用对抗损失和重建损失的加权和,在去除噪声的同时能够有效地保留图像的细节信息。实验结果表明,该算法能够有效地去除图像噪声,改善图像的视觉观感。 展开更多

关键词 生成对抗网络 图像去噪 全局残差 重建损失

在线阅读 下载PDF 职称材料

稳定增强生成对抗网络在壁画的超分辨率重建 被引量：1

9

作者 曹建芳 贾一鸣 +1 位作者 闫敏敏 田晓东 《系统仿真学报》 CAS CSCD 北大核心 2022年第5期1076-1089,共14页

针对古代壁画分辨率低、纹理细节模糊不清导致壁画观赏性不足和研究价值不高的问题,提出了一种稳定增强生成对抗网络的超分辨率重建算法(stableenhancedsuper-resolutiongenerative adversarial networks,SESRGAN)。以生成对抗网络为基... 针对古代壁画分辨率低、纹理细节模糊不清导致壁画观赏性不足和研究价值不高的问题,提出了一种稳定增强生成对抗网络的超分辨率重建算法(stableenhancedsuper-resolutiongenerative adversarial networks,SESRGAN)。以生成对抗网络为基础框架,生成网络采用密集残差块提取壁画特征,使用VGG(visual geometry group)网络作为判别网络的基本框架判断输入壁画的真假,引入感知损失、内容损失和惩罚损失三个损失共同优化模型。实验结果表明,与其他相关的超分辨率算法进行比较,峰值信噪比平均提高了0.4~2.62dB,结构相似性提高了0.013~0.027,主观感知评估也有提高。 展开更多

关键词 古代壁画 超分辨率重建 生成对抗网络 密集残差块 惩罚损失

在线阅读 下载PDF 职称材料

基于残差注意力网络的地震数据超分辨率方法 被引量：14

10

作者 周文辉 石敏 +1 位作者 朱登明 周军 《计算机科学》 CSCD 北大核心 2021年第8期24-31,共8页

地震数据在油气勘探、地质勘探领域发挥着至关重要的作用。精确详细的地震数据有助于对油气勘探做出精确指导,减小勘探的风险,从而产生巨大的社会效益和经济效益。在提升地震数据分辨率方面,现有的方法在面对海量数据时,在高分辨恢复、... 地震数据在油气勘探、地质勘探领域发挥着至关重要的作用。精确详细的地震数据有助于对油气勘探做出精确指导,减小勘探的风险,从而产生巨大的社会效益和经济效益。在提升地震数据分辨率方面,现有的方法在面对海量数据时,在高分辨恢复、去噪性能和效率上效果欠佳,难以恢复出细节丰富的地质信息,无法满足实际需求。地震数据能够反映地质构造以及地层的组成,具有局部相关性高、全局相关性低的特点。同时,地震数据高频部分通常蕴含着地质勘探等重要信息,如分层、断层信息等。针对地震数据的特点,文中将地震数据重建问题转化为图像超分辨率问题,提出了采用基于生成对抗网络的地震数据超分辨方法。针对地震数据分布具有局部相关性高、全局相关性低的特点,设计残差注意力模块,挖掘地震数据的内在相关性,通过训练含有相对生成对抗损失函数的生成对抗网络模型,来对地震数据进行超分辨率恢复,以得到更加精确的地震数据。在真实的地震数据集上进行了实验验证,结果表明,所提方法在地震数据超分辨上效果良好,在性能指标PSNR和SSIM上有3%~4%的提升,具有较强的实用性。 展开更多

关键词 地震数据 残差注意力模块 生成对抗网络 相对生成对抗损失 超分辨率

在线阅读 下载PDF 职称材料

基于多级跳跃残差组的运动人像去模糊网络

11

作者 纪佳奇 卢振坤 +2 位作者 熊福棚 张甜 杨豪 《计算机应用》 CSCD 北大核心 2023年第10期3244-3250,共7页

为解决复原后的运动模糊人像图像的轮廓模糊、细节丢失等问题,提出了基于多级跳跃残差组生成对抗网络(GAN)的运动人像去模糊方法。首先,改进残差块以构造多级跳跃残差组模块,并改进PatchGAN的结构以使GAN能够更好地结合各层的图像特征;... 为解决复原后的运动模糊人像图像的轮廓模糊、细节丢失等问题,提出了基于多级跳跃残差组生成对抗网络(GAN)的运动人像去模糊方法。首先,改进残差块以构造多级跳跃残差组模块,并改进PatchGAN的结构以使GAN能够更好地结合各层的图像特征;其次,使用多损失融合的方法优化网络,从而增强重建后图像的真实纹理;最后,采用端到端的模式将运动模糊的人像图像进行盲去模糊操作,并输出清晰的人像图像。在CelebA数据集上的实验结果表明,相较于DeblurGAN(Deblur GAN)、尺度循环网络(SRN)和MSRAN(Multi-Scale Recurrent Attention Network)等基于卷积神经网络(CNN)的方法,所提方法的峰值信噪比(PSNR)和结构相似度(SSIM)分别至少提高了0.46 dB和0.05;同时,所提方法的模型参数更少,修复速度更快,且复原后的人像图像具有更多的纹理细节。 展开更多

关键词 图像去模糊 盲去模糊 生成对抗网络 多级跳跃残差组 多损失融合

在线阅读 下载PDF 职称材料

融合高频滤波和伪影损失的人脸超分辨率重建 被引量：2

12

作者 孙红 宋冬豪 陈玉娟 《计算机应用研究》 CSCD 北大核心 2023年第6期1906-1911,共6页

人脸超分辨率重建的需求愈发强烈,针对现有方法在恢复图像时高频信息丢失严重导致平滑,同时伴随着伪影的问题,提出了融合高频滤波和伪影损失的重建方法。该方法能够获取人脸高频信息,在不影响细节纹理的情况下去除伪影,以生成对抗网络... 人脸超分辨率重建的需求愈发强烈,针对现有方法在恢复图像时高频信息丢失严重导致平滑,同时伴随着伪影的问题,提出了融合高频滤波和伪影损失的重建方法。该方法能够获取人脸高频信息,在不影响细节纹理的情况下去除伪影,以生成对抗网络模型为框架,引入自适应残差结构以减少计算成本,使用Ranger优化器来缓解训练的不稳定。实验中,使用不同缩放因子,该方法相较于其他方法拥有更高的PSNR值和SSIM值。2倍、4倍、8倍缩放时在CelebAMask-HQ数据集上的PSNR值分别为37.88 dB、32.50 dB、29.51 dB,同时模型收敛速度较快,表明该方法的高效性与稳定性。 展开更多

关键词 高频滤波 伪影损失 自适应残差 生成对抗网络

在线阅读 下载PDF 职称材料

H-ResGAN在智能反射面辅助通信系统中的信道估计 被引量：2

13

作者 张欣怡 江沸菠 +1 位作者 彭于波 董莉 《电波科学学报》 CSCD 北大核心 2023年第6期1048-1056,共9页

智能反射面(intelligent reflecting surface,IRS)辅助通信系统的信道维度较高,现有的信道估计方法须使用大量导频才能得到准确的信道矩阵.针对这一问题,提出了一种基于混合损失的残差生成对抗网络(hybrid loss based residual generati... 智能反射面(intelligent reflecting surface,IRS)辅助通信系统的信道维度较高,现有的信道估计方法须使用大量导频才能得到准确的信道矩阵.针对这一问题,提出了一种基于混合损失的残差生成对抗网络(hybrid loss based residual generative adversarial network,H-ResGAN)模型.H-ResGAN使用多个残差块来加深网络,可以充分提取信道特征,减缓梯度消失问题.同时,采用条件最小二乘损失和L1损失相结合的混合损失作为目标函数来提高训练的稳定性.仿真实验证明:H-ResGAN对环境噪声更具鲁棒性,估计误差显著低于传统方法;与传统的估计算法相比,H-ResGAN仅须发送少量导频就能获得准确的估计结果. 展开更多

关键词 智能反射面(IRS) 信道估计 毫米波 基于混合损失的残差生成对抗网络(h-resgan) 混合损失

在线阅读 下载PDF 职称材料

矿井图像超分辨率重建研究 被引量：2

14

作者 王媛彬 刘佳 +1 位作者 郭亚茹 吴冰超 《工矿自动化》 CSCD 北大核心 2023年第11期76-83,120,共9页

受井下粉尘大、照度低等环境影响,矿井图像存在分辨率低、细节模糊等问题,现有的图像超分辨率重建算法应用于矿井图像时,难以获取不同尺度图像信息、网络参数过大而影响重建速度,且重建图像易出现细节丢失、边缘轮廓模糊、伪影等问题。... 受井下粉尘大、照度低等环境影响,矿井图像存在分辨率低、细节模糊等问题,现有的图像超分辨率重建算法应用于矿井图像时,难以获取不同尺度图像信息、网络参数过大而影响重建速度,且重建图像易出现细节丢失、边缘轮廓模糊、伪影等问题。提出了一种基于多尺度密集通道注意力超分辨率生成对抗网络(SRGAN)的矿井图像超分辨率重建算法。设计了多尺度密集通道注意力残差块替代SRGAN原有的残差块,采用2路并行且卷积核大小不同的密集连接块,可充分获取图像特征;融入高效通道注意力模块,加强对高频信息的关注度;采用深度可分离卷积对网络进行轻量化,抑制网络参数的增加;利用纹理损失约束网络训练,避免网络加深时产生伪影。在井下数据集和公共数据集上对提出的矿井图像超分辨率重建算法和经典超分辨率重建算法BICUBIC,SRCNN,SRRESNET,SRGAN进行实验,结果表明:所提算法在主客观评价上总体优于对比算法,网络参数较SRGAN减少了2.54%,峰值信噪比与结构相似度较经典算法指标均值分别提高了0.764 dB和0.05358,能更好地关注图像的纹理、轮廓等细节信息,重建图像更符合人眼视觉。 展开更多

关键词 矿井图像 超分辨率重建 超分辨率生成对抗网络 多尺度密集通道注意力残差块 高效通道注意力模块 深度可分离卷积 纹理损失

在线阅读 下载PDF 职称材料

基于EMD⁃MDGAN的HRRP增扩方法 被引量：1

15

作者 王紫娇 王晓丹 《计算机工程》 CAS CSCD 北大核心 2021年第9期259-265,共7页

高分辨率距离像(HRRP)是弹道目标识别的主要特征,由于其为非合作目标因此观测频率极低,导致带标签样本量严重不足,而混合密度生成对抗网络(MDGAN)作为生成HRRP的有效方法,存在模式崩溃、网络不易收敛等问题。提出一种基于误差匹配分布(E... 高分辨率距离像(HRRP)是弹道目标识别的主要特征,由于其为非合作目标因此观测频率极低,导致带标签样本量严重不足,而混合密度生成对抗网络(MDGAN)作为生成HRRP的有效方法,存在模式崩溃、网络不易收敛等问题。提出一种基于误差匹配分布(EMD)改进MDGAN的弹道目标HRRP增扩方法EMD-MDGAN。将生成器、残差网络和注意力机制相结合,通过残差结构解决梯度消失的问题,利用注意力机制提高生成器中自编码器的特征提取能力,并把误差匹配思想引入损失函数设计中,以增强模型的稳定性,使网络更易收敛。实验结果表明,该模型在有效解决模式崩溃问题的基础上,可缩小生成样本与真实样本分布间差异,生成具有一定真实性、可靠性、多样性的数据,实现HRRP数据增扩。 展开更多

关键词 混合密度生成对抗网络 残差网络 注意力机制 误差匹配分布 高分辨率距离像

在线阅读 下载PDF 职称材料