改进残差块和对抗损失的GAN图像超分辨率重建 被引量：8

1

作者 张杨忆 林泓 +1 位作者 管钰华 刘春 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2019年第11期128-137,共10页

图像超分辨率(Super Resolution,SR)重建是计算机视觉领域中提高图像和视频分辨率的一种重要图像处理技术,针对基于深度学习的图像重建模型层次过多以及梯度传输困难导致训练时间长、重建图像视觉效果不理想的问题,本文提出了一种改进... 图像超分辨率(Super Resolution,SR)重建是计算机视觉领域中提高图像和视频分辨率的一种重要图像处理技术,针对基于深度学习的图像重建模型层次过多以及梯度传输困难导致训练时间长、重建图像视觉效果不理想的问题,本文提出了一种改进残差块和对抗损失的GAN(Generative Adversarial Networks)图像超分辨率重建模型.首先,在模型结构上,设计剔除多余批规范化操作的残差块并组合成生成模型,将深度卷积网络作为判别模型把控重建图像的训练方向,以减少模型的计算量;然后,在损失函数中,引入Earth-Mover距离设计对抗损失以缓解模型梯度消失的问题,采用L1距离作为重建图像与高分辨率图像相似程度的度量以指导模型权重更新来提高重建视觉效果.在DIV2K、Set5、Set14数据集上的实验结果表明:该模型剔除多余批规范化后的训练时间相比改进前模型减少约14%并有效提高图像的重建效果,结合Earth-Mover距离与L1距离的损失函数有效地缓解了梯度消失的问题.模型相较于双三次插值、SRCNN、VDSR、DSRN模型,提高了对低分辨率图像的超分辨率重建效率和视觉效果. 展开更多

关键词 超分辨率重建 生成对抗网络 深度学习 Earth-Mover距离 对抗损失

在线阅读 下载PDF 职称材料

面向单幅遥感图像的生成对抗网络超分辨率重建 被引量：5

2

作者 韩志晟 孙丕川 唐超 《测绘通报》 CSCD 北大核心 2021年第8期106-110,共5页

利用低分辨率图像生成高分辨率图像的过程称为图像超分辨率,目的是得到一张清晰的影像。随着人工智能的蓬勃发展,在遥感、辅助文本识别等诸多领域,图像超分辨率的应用愈加广泛。本文利用生成对抗网络的深度学习模型进行单图像超分重建,S... 利用低分辨率图像生成高分辨率图像的过程称为图像超分辨率,目的是得到一张清晰的影像。随着人工智能的蓬勃发展,在遥感、辅助文本识别等诸多领域,图像超分辨率的应用愈加广泛。本文利用生成对抗网络的深度学习模型进行单图像超分重建,SRGAN模型相较于传统方法,提出了新的感知损失函数,由对抗损失和内容损失组成。对抗损失通过训练判别器网络结构区分生成图像和实际高分辨率图像,而内容损失则利用预训练的VGG19网络模型计算图像特征的感知相似度,而不是在像素空间上的相似度。试验证明,利用SRGAN获得的高分辨率图片,MOS指标高于传统方法。本文围绕SRGAN的原理、效果、应用等进行了阐述。 展开更多

关键词 单图像超分 生成对抗网络 VGG19网络模型 内容损失函数 对抗损失函数

在线阅读 下载PDF 职称材料

多尺度生成式对抗网络图像修复算法 被引量：12

3

作者 李克文 张文韬 +1 位作者 邵明文 李乐 《计算机科学与探索》 CSCD 北大核心 2020年第1期159-170,共12页

图像修复作为深度学习领域的一个研究热点,在人们现实生活中有着重要的意义。现有图像修复算法存在各种问题,导致视觉上无法达到人们的要求。针对现有图像修复算法精确度低、视觉一致性差以及训练不稳定等缺陷,提出了一种基于生成式对... 图像修复作为深度学习领域的一个研究热点,在人们现实生活中有着重要的意义。现有图像修复算法存在各种问题,导致视觉上无法达到人们的要求。针对现有图像修复算法精确度低、视觉一致性差以及训练不稳定等缺陷,提出了一种基于生成式对抗网络(GAN)模型的图像修复算法。该算法主要对判别器的网络结构进行改进,在全局判别器和局部判别器的基础上引入多尺度判别器。多尺度判别器在不同分辨率的图像上进行训练,不同尺度的判别器具有不同的感受野,能够引导生成器生成更全局的图像视图以及更精细的细节。针对GAN训练中经常出现的梯度消失或梯度爆炸问题,使用WGAN(Wasserstein GAN)的思想,采用EM距离模拟样本数据分布。在CelebA、ImageNet以及Place2图像数据集上对该算法的网络模型进行了训练和测试,结果显示与先前的算法模型相比,该算法提高了图像修复的精确度,能够生成更为逼真的修复图片,并且适用于多种类型图片的修复。 展开更多

关键词 图像修复 生成式对抗网络 多尺度 重构损失 对抗损失

在线阅读 下载PDF 职称材料

基于改进循环生成式对抗网络的图像去雾方法 被引量：4

4

作者 黄山 贾俊 《计算机工程》 CAS CSCD 北大核心 2022年第12期218-223,231,共7页

针对现有图像去雾方法存在的颜色失真、细节丢失以及去雾效果不自然等问题,提出一种改进的循环生成式对抗网络用于图像去雾。通过添加多尺度鉴别器作为判别器来改进原始网络结构,增强判别能力,引导网络产生更精细自然的无雾图像。同时... 针对现有图像去雾方法存在的颜色失真、细节丢失以及去雾效果不自然等问题,提出一种改进的循环生成式对抗网络用于图像去雾。通过添加多尺度鉴别器作为判别器来改进原始网络结构,增强判别能力,引导网络产生更精细自然的无雾图像。同时重新设计损失函数,使用最小二乘代替交叉熵作为对抗损失,引入循环感知损失,结合原始循环一致性损失组成新的复合损失函数,提高图像颜色与细节恢复的质量。在D-HAZY和SOTS数据集上的实验结果表明:该方法能够生成较为自然的无雾图像,其主观效果和客观指标均优于对比方法,具有更好的去雾能力;与原始循环生成式对抗网络相比,峰值信噪比从19.052 dB提高至23.128 dB,结构相似性指数从0.787提高至0.867。与DehazeNet、AOD-Net与GCANet等主流去雾方法相比,峰值信噪比和结构相似性指数比排名第二的方法分别提升7.1%和4.3%。 展开更多

关键词 图像去雾 循环生成式对抗网络 多尺度鉴别器 对抗损失 循环感知损失

在线阅读 下载PDF 职称材料

基于多重注意力机制和空间变换网络的换衣行人重识别

5

作者 李鹏辉 王洪元 +1 位作者 张继 陈海琴 《南京大学学报(自然科学版)》 北大核心 2025年第2期202-213,共12页

换衣行人重识别(Cloth-Changing Person Re-Identification,CC Re-ID)技术旨在监控视频或图像中针对同一行人在长时间跨度中进行识别,现有方法主要利用多模态信息来建模体型以减轻服装的影响,但其泛化能力差且需大量额外工作,而且,仅利... 换衣行人重识别(Cloth-Changing Person Re-Identification,CC Re-ID)技术旨在监控视频或图像中针对同一行人在长时间跨度中进行识别,现有方法主要利用多模态信息来建模体型以减轻服装的影响,但其泛化能力差且需大量额外工作,而且,仅利用RGB图像的方法无法充分提取与服装无关的信息.针对以上问题,提出一种基于多重注意力机制和空间变换网络的换衣行人重识别方法,通过在主干网络中融入CBAM(Convolutional Block Attention Module)和STN(Spatial Transformer Network,STN)模块,分别提升网络对于不同通道和空间位置重要性的感知能力以及对于不同角度图像的适应能力.为了进一步提高网络对行人细粒度特征的提取能力,融入三重注意力机制来关注不同维度上的信息,引入一个自适应特征提取模块来学习特征中不同区域的重要性.此外,还采用服装分类损失和服装对抗损失等多种损失函数来引导模型学习与服装无关的信息.在四个换衣行人重识别数据集(LTCC,PRCC,VC-Clothes和DeepChange)上进行了大量实验,实验结果表明,提出的方法的Rank-1和mAP指标优于一些先进的换衣行人重识别方法. 展开更多

关键词 换衣行人重识别 基于服装的对抗性损失 三重注意力机制 空间变换网络 自适应特征提取

在线阅读 下载PDF 职称材料

对抗神经网络算法在船舶电机轴承故障诊断中的应用 被引量：3

6

作者 徐向荣 《舰船科学技术》 北大核心 2022年第12期108-111,共4页

为提升船舶电机轴承故障诊断精度,确保船舶航行的安全性,研究对抗神经网络算法在船舶电机轴承故障诊断中的应用。采用集合经验模态分解方法求取船舶电机轴承振动信号各固有模态函数分量的能量熵,并使用相关系数法清除虚假分量,将筛选后... 为提升船舶电机轴承故障诊断精度,确保船舶航行的安全性,研究对抗神经网络算法在船舶电机轴承故障诊断中的应用。采用集合经验模态分解方法求取船舶电机轴承振动信号各固有模态函数分量的能量熵,并使用相关系数法清除虚假分量,将筛选后的有效数据作为船舶电机轴承故障特征。利用对抗神经网络构建轴承故障诊断模型,通过引入条件对抗损失函数解决模型训练过程中的不确定性问题,利用二人零和博弈问题能够描述对抗神经网络的训练过程,将船舶电机轴承故障特征向量与实际船舶电机轴承故障的标签信息作为诊断模型的输入,输出船舶电机轴承故障类别。实验结果显示该方法能够准确提取轴承故障振动信号,故障诊断精度高达99.7%。 展开更多

关键词 对抗神经网络 电机轴承 故障诊断 能量熵 故障特征 对抗损失函数

在线阅读 下载PDF 职称材料

最小二乘迁移生成对抗网络 被引量：3

7

作者 王孝顺 陈丹 丘海斌 《计算机工程与应用》 CSCD 北大核心 2019年第14期24-31,共8页

现有的生成对抗网络(Generative Adversarial Networks,GAN)损失函数已经被成功地应用在迁移学习方法中。然而,发现这种损失函数在学习过程中可能会出现梯度消失的问题。为了克服该问题,提出了一种学习领域不变特征的新方法,即最小二乘... 现有的生成对抗网络(Generative Adversarial Networks,GAN)损失函数已经被成功地应用在迁移学习方法中。然而,发现这种损失函数在学习过程中可能会出现梯度消失的问题。为了克服该问题,提出了一种学习领域不变特征的新方法,即最小二乘迁移生成对抗网络(Least Squares Transfer Generative Adversarial Networks,LSTGAN)。LSTGAN采用最小二乘生成对抗网络(Least Squares Generative Adversarial Networks,LSGAN)损失函数,通过单领域判别的训练方式来减少领域分布之间的差异。通过研究表明,所提方法与其他有竞争力的算法相比较具有一定的优越性。 展开更多

关键词 生成对抗网络 迁移学习 梯度消失 领域不变特征 最小二乘生成对抗网络损失函数

在线阅读 下载PDF 职称材料

基于改进CycleGAN的粉笔字书写风格迁移研究

8

作者 陈二开 李成城 +1 位作者 邬友 武美玲 《印刷与数字媒体技术研究》 CAS 北大核心 2024年第6期100-109,共10页

针对采用循环一致性生成对抗网络(Cycle-consistent generative adversarial network,CycleGAN)进行粉笔字书写风格迁移时,生成的字体存在笔画缺失和模糊等问题,本研究提出改进CycleGAN的粉笔字生成算法。在原始CycleGAN基础上融合自注... 针对采用循环一致性生成对抗网络(Cycle-consistent generative adversarial network,CycleGAN)进行粉笔字书写风格迁移时,生成的字体存在笔画缺失和模糊等问题,本研究提出改进CycleGAN的粉笔字生成算法。在原始CycleGAN基础上融合自注意力机制来提取粉笔字书法字体的风格特征,并在自注意力机制中使用最大池化和缩放点积来进一步提升模型捕获汉字全局特征的能力。使用相对鉴别生成对抗损失函数改进原网络中的损失函数,以引入先验知识并增强判别器的能力。实验结果表明,使用改进后的模型在学习粉笔字书写风格后生成的字体笔画更加完整,细节更加清晰。 展开更多

关键词 粉笔字 风格迁移 CycleGAN 自注意力机制 相对鉴别生成对抗损失函数

在线阅读 下载PDF 职称材料

基于双网络及多尺度判决器的图像修复算法 被引量：4

9

作者 李海燕 吴自莹 +2 位作者 吴俊 李海江 李红松 《工程科学与技术》 EI CSCD 北大核心 2022年第5期240-248,共9页

为了有效解决修复复杂背景及高分辨率图像时产生的边界扭曲、伪影及训练不稳定的缺陷,提出了一种基于双生成对抗网络及多尺度判决器的图像修复算法。首先,将待修复图像输入基于空洞卷积(dilated convolution)层的内容预测网络,以重构损... 为了有效解决修复复杂背景及高分辨率图像时产生的边界扭曲、伪影及训练不稳定的缺陷,提出了一种基于双生成对抗网络及多尺度判决器的图像修复算法。首先,将待修复图像输入基于空洞卷积(dilated convolution)层的内容预测网络,以重构损失和基于生成对抗损失的全局判决器为标准,进行粗修复,得到清晰合理、整体语义一致性的结构。然后,将粗修复结果输入细节修复网络,经空洞卷积路径和感知卷积路径解码和反卷积后,送入3个不同尺度的判决器进行优化,提升修复结果的纹理细粒度。最后,使用3个不同尺度的对抗损失优化网络参数,捕获破损区域的多尺度边缘信息,生成合理、逼真的纹理细节。在公认的图像数据集上对本文算法进行修复实验、双网络修复对比、高分辨率修复对比、目标移除实验、消融实验及客观实验,实验结果表明:本文提出的算法在修复背景复杂图像时,能生成合理的结构和清晰的纹理细节;双网络结构优于单网络结构;修复高分辨率图像时得到的纹理细粒度优于对比算法;将本文提出的算法用于高分辨率目标移除,能得到结构清晰合理、纹理细腻的结果;消融实验验证了提出模块的有效性;本文提出的算法的峰值信噪比、结构相似度、平均l_(1)误差和平均l_(2)误差均优于对比的经典修复算法。总之,本文提出的算法能很好地结合图像的整体语义,增强图像细节的修复精度,有效避免结构纹理错乱、像素重叠、边界扭曲等问题。 展开更多

关键词 图像修复 双生成对抗网络 多尺度判决器 重构损失 生成对抗损失

在线阅读 下载PDF 职称材料

基于门控卷积与注意迁移的二阶图像修复 被引量：3

10

作者 彭晏飞 顾丽睿 王刚 《液晶与显示》 CAS CSCD 北大核心 2023年第5期625-635,共11页

针对现有修复算法在处理较大面积缺失时易产生伪影且与原图像语义不符的问题,提出了基于门控卷积与注意迁移的二阶图像修复方法,通过加强待修复图像内部语义对修复网络的影响来确保修复结果整体语义的一致性。首先使用多层卷积对缺损图... 针对现有修复算法在处理较大面积缺失时易产生伪影且与原图像语义不符的问题,提出了基于门控卷积与注意迁移的二阶图像修复方法,通过加强待修复图像内部语义对修复网络的影响来确保修复结果整体语义的一致性。首先使用多层卷积对缺损图像进行粗略修复;然后将粗略修复结果输入改进的细化修复网络,使用门控卷积和注意迁移网络对图像内部纹理细节进行修复处理,在编解码阶段引入SimAM模块作为注意力机制,强化对待修复图像中重要信息的筛选能力;最后通过谱归一化的马尔科夫判别器判别真伪同时提供对抗损失,将感知损失与多尺度结构相似性损失作为重建损失再将其与对抗损失相结合作为损失函数。与其他图像修复方法的对比实验表明,本文方法较其中最好结果在结构相似性上提升1.47%,峰值信噪比上提升5.48%。本文方法修复结果更加真实自然且在各种尺寸缺失下均实现了理想的修复效果。 展开更多

关键词 图像处理 图像修复 门控卷积 注意迁移 对抗损失

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

11

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

属性一致的物体轮廓划分模型 被引量：1

12

作者 孙劲光 李桃 董祥军 《电子与信息学报》 EI CSCD 北大核心 2021年第10期2985-2992,共8页

该文提出一种基于全卷积深度残差网络、结合生成式对抗网络思想的基于属性一致的物体轮廓划分模型。采用物体轮廓划分网络作为生成器进行物体轮廓划分;该网络运用结构相似性作为区域划分的重构损失,从视觉系统的角度监督指导模型学习;... 该文提出一种基于全卷积深度残差网络、结合生成式对抗网络思想的基于属性一致的物体轮廓划分模型。采用物体轮廓划分网络作为生成器进行物体轮廓划分;该网络运用结构相似性作为区域划分的重构损失,从视觉系统的角度监督指导模型学习;使用全局和局部上下文判别网络作为双路判别器,对区域划分结果进行真伪判别的同时,结合对抗式损失提出一种联合损失用于监督模型的训练,使区域划分内容真实、自然且具有属性一致性。通过实例验证了该方法的实时性、有效性。 展开更多

关键词 区域划分 矿石粒度分析 扩张卷积 跳跃连接 对抗式损失

在线阅读 下载PDF 职称材料

基于Msmall-Patch训练的夜晚单幅图像去雾算法——MP-CGAN 被引量：5

13

作者 王云飞 王园宇 《计算机应用》 CSCD 北大核心 2020年第3期865-871,共7页

针对基于暗通道先验(DCP)与大气散射模型方法实现夜晚图像去雾出现颜色失真及噪声等问题,提出一种基于Msmall-Patch训练的条件生成对抗网络(CGAN)去雾算法MP-CGAN。首先,将UNet与密集神经网络(DenseNet)网络结合成UDNet网络作为生成器... 针对基于暗通道先验(DCP)与大气散射模型方法实现夜晚图像去雾出现颜色失真及噪声等问题,提出一种基于Msmall-Patch训练的条件生成对抗网络(CGAN)去雾算法MP-CGAN。首先,将UNet与密集神经网络(DenseNet)网络结合成UDNet网络作为生成器网络结构;其次,对生成器与鉴别器网络使用Msmall-Patch训练,即通过对鉴别器最后Patch部分采取Min-Pool或Max-Pool方式提取多个小惩罚区域,这些区域对应退化严重或容易被误判的区域,与之对应提出重度惩罚损失,即在鉴别器输出中选取数个最大损失值作为损失;最后,将重度惩罚损失、感知损失与对抗感知损失组合成新的复合损失函数。在测试集上,与雾密度图预测算法(HDP-Net)相比,所提算法的峰值信噪比(PSNR)与结构相似性(SSIM)值分别提升了59%与37%;与超像素算法比,PSNR与SSIM值分别提升了59%与48%。实验结果表明,所提算法能够减少CGAN训练过程产生的噪声伪影,提高了夜晚图像去雾质量。 展开更多

关键词 暗通道先验 夜间图像去雾 条件生成对抗网络 感知损失 对抗感知损失

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：1

14

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