基于循环一致性对抗网络的室内火焰图像场景迁移 被引量：7

1

作者 杨植凯 卜乐平 +1 位作者 王腾 欧阳继能 《光学精密工程》 EI CAS CSCD 北大核心 2020年第3期745-758,共14页

基于深度学习的视频火灾探测模型的训练依赖于大量的正负样本数据,即火灾视频和带有干扰的场景视频。由于很多室内场合禁止点火,导致该场景下的火灾视频样本不足。本文基于生成对抗网络,将其他相似场景下录制的火焰迁移到指定场景,以此... 基于深度学习的视频火灾探测模型的训练依赖于大量的正负样本数据,即火灾视频和带有干扰的场景视频。由于很多室内场合禁止点火,导致该场景下的火灾视频样本不足。本文基于生成对抗网络,将其他相似场景下录制的火焰迁移到指定场景,以此增广限制性场合下的火灾视频数据。文中提出将火焰内核预先植入场景使之具备完整的内容信息,再通过添加烟雾和地面反射等风格信息,完成场景与火焰的融合。该方法克服了现有多模态图像转换方法在图像转换过程中因丢失信息而造成的背景失真问题。同时为减少数据采集工作量,采用循环一致性生成对抗网络以解除训练图像必须严格匹配的限制。实验表明,与现有多模态图像转换相比,本文方法可以保证场景中火焰形态的多样性,迁移后的场景具有较高的视觉真实性,所得结果的FID与LPIPS值最小,分别为119.6和0.134 2。 展开更多

关键词 图像转换 生成对抗网络 火焰图像合成 循环一致性生成对抗网络

在线阅读 下载PDF 职称材料

基于物理信息神经网络的牵引变流器直流支撑电容参数辨识方法

2

作者 向超群 尹雪瑶 +2 位作者 伍珣 曹忠林 刘元才 《电工技术学报》 EI CSCD 北大核心 2024年第15期4654-4667,共14页

为了解决车载牵引变流系统直流支撑电容器故障预测问题,该文提出一种基于物理信息神经网络的直流支撑电容器参数辨识方法。该方法只需要利用直流环节预充电过程的直流支撑电容器两端电压及采样频率,无需拟合曲线,无需严格对齐时间轴就... 为了解决车载牵引变流系统直流支撑电容器故障预测问题,该文提出一种基于物理信息神经网络的直流支撑电容器参数辨识方法。该方法只需要利用直流环节预充电过程的直流支撑电容器两端电压及采样频率,无需拟合曲线,无需严格对齐时间轴就可以获得较为准确的电容参数辨识结果。与此同时,为了克服在采集数据时因条件所限造成的数据量稀疏与分布不均问题,该文利用循环一致性生成对抗网络算法增强数据,使该方法可以适用于同一拓扑下宽范围电容区间的电容容值预测,降低了模型训练要求。实验结果表明:在正常条件下,该方法的辨识相对误差约在1%以下,并且降低采样频率能够缓解信噪比对该方法的影响。该方法为解决直流支撑电容参数辨识问题提供了新思路。 展开更多

关键词 直流支撑电容器 参数辨识 物理信息神经网络 循环一致性生成对抗网络 直流 环节预充电工况

在线阅读 下载PDF 职称材料

基于改进CycleGAN的非配对CMR图像增强

3

作者 郑伟 吴禹波 +2 位作者 冯晓萌 马泽鹏 宋铁锐 《河北大学学报(自然科学版)》 北大核心 2025年第2期204-215,共12页

心脏磁共振成像(cardiac magnetic resonance,CMR)过程中患者误动、异常幅度的呼吸运动、心律失常会造成CMR图像质量下降,为解决现有的CMR图像增强网络需要人为制作配对数据,且图像增强后部分组织纹理细节丢失的问题,提出了基于空频域... 心脏磁共振成像(cardiac magnetic resonance,CMR)过程中患者误动、异常幅度的呼吸运动、心律失常会造成CMR图像质量下降,为解决现有的CMR图像增强网络需要人为制作配对数据,且图像增强后部分组织纹理细节丢失的问题,提出了基于空频域特征学习的循环一致性生成对抗网络(cycle-consistent generative adversavial network based on spatial-frequency domain feature learning,SFFL-CycleGAN).研究结果表明,该网络无须人为制作配对数据集,增强后的CMR图像组织纹理细节丰富,在结构相似度(structural similarity,SSIM)和峰值信噪比(peak signal to noise ratio,PSNR)等方面均优于现有的配对训练网络以及原始的CycleGAN网络,图像增强效果好,有效助力病情诊断. 展开更多

关键词 心脏磁共振成像 图像增强 空频域特征 循环一致性生成对抗网络

在线阅读 下载PDF 职称材料

改进CycleGAN的半监督建筑物提取算法

4

作者 卢鹏 仲闯 《计算机工程》 北大核心 2025年第3期241-251,共11页

建筑物提取需要大量的标注数据进行训练,收集和标注数据需要耗费大量时间。为了在小样本遥感图像数据集上基于半监督学习实现建筑物提取的目的,构建4组建筑物提取数据集,提出了一种基于循环一致性生成对抗网络(CycleGAN)的建筑物提取算... 建筑物提取需要大量的标注数据进行训练,收集和标注数据需要耗费大量时间。为了在小样本遥感图像数据集上基于半监督学习实现建筑物提取的目的,构建4组建筑物提取数据集,提出了一种基于循环一致性生成对抗网络(CycleGAN)的建筑物提取算法。首先,在生成器中引入全局注意力机制(GAM)以增强对建筑物和图像背景细节特征的区分;其次,在判别器中加入谱归一化层以增强训练稳定性,解决了训练过程中梯度消失问题;最后,改进对抗损失和循环一致性损失以提高生成图像的质量,避免生成图像的过度平滑化,并引入Identity损失以限制生成器不会自主修改输入图像的颜色,保证输入图像与输出图像颜色组成的一致性。实验结果表明,在第1组小样本数据集上,与UNIT、MUNIT、U-GAT-IT、SPatchGAN、QS-Attn模型进行半监督实验对比,结构相似性(SSIM)值和准确率分别至少提高了3、8.1百分点,在扩充数据规模的数据集上,使用改进后的算法进行全监督和半监督实验对比,验证了改进后的算法在小样本遥感图像数据集上实现建筑物半监督提取的有效性。 展开更多

关键词 建筑物提取 循环一致性生成对抗网络 谱归一化 全局注意力机制 半监督

在线阅读 下载PDF 职称材料

一种基于CycleGAN改进的低剂量CT图像增强网络 被引量：4

5

作者 廖仕敏 刘仰川 +2 位作者 朱叶晨 王艳玲 高欣 《图学学报》 CSCD 北大核心 2022年第4期570-579,共10页

低剂量CT是一种有效且相对安全的胸腹部疾病筛查手段,但图像中的伪影和噪声会严重影响医生的诊断。基于深度学习的图像增强方法中网络训练大多依赖于难以获取的配对数据,即同一患者相同部位像素级匹配的低剂量和常规剂量CT图像。针对非... 低剂量CT是一种有效且相对安全的胸腹部疾病筛查手段,但图像中的伪影和噪声会严重影响医生的诊断。基于深度学习的图像增强方法中网络训练大多依赖于难以获取的配对数据,即同一患者相同部位像素级匹配的低剂量和常规剂量CT图像。针对非配对数据,提出了一种基于循环一致性生成对抗网络(CycleGAN)改进的低剂量CT图像增强网络,在生成器前添加浅层特征预提取模块,增强对CT图像特征的提取能力;并利用深度可分离卷积替换生成器中的部分普通卷积,减少网络参数和显存占用。该网络使用3275张低剂量CT图像和2790张非配对常规剂量CT图像进行训练,另外1716张低剂量CT图像进行测试。结果表明,该网络生成的CT图像的平均感知图像质量评价指标(PIQE)为45.53,比CycleGAN的结果降低了8.3%,更远低于三维块匹配滤波(BM3D)31.9%、无监督图像转换网络(UNIT)20.9%,且在结构细节保持、噪声和伪影抑制方面均获得了更好的主观视觉效果,是一种具有潜在临床应用前景的低剂量CT图像增强方法。 展开更多

关键词 低剂量CT 图像增强 深度学习 非配对数据 循环一致性生成对抗网络

在线阅读 下载PDF 职称材料

基于改进CycleGAN的合成孔径雷达图像仿真 被引量：1

6

作者 白江波 杨阳 张文生 《中国科学技术大学学报》 CAS CSCD 北大核心 2020年第8期1181-1186,共6页

目标和场景的跨模态数据对于以深度神经网络为基础的跨模态检测与多模态融合算法的性能提升有着极其重大的意义.由于SAR图像的特殊性,获得成对的数据集成本很高,且现有的SAR图像生成算法大多集中在提升图像多样性与小范围场景生成,对于... 目标和场景的跨模态数据对于以深度神经网络为基础的跨模态检测与多模态融合算法的性能提升有着极其重大的意义.由于SAR图像的特殊性,获得成对的数据集成本很高,且现有的SAR图像生成算法大多集中在提升图像多样性与小范围场景生成,对于特定场景的图像配对转化鲜有涉及.本文利用改进的循环一致性对抗网络CycleGAN实现SAR图像目标和场景的SAR图像的仿真,并利用最小二乘损失对网络进行改进,使网络性能获得提升,提高了成像的质量,论文所提方法对SAR图像进行了仿真实验,结果表明,本文方法生成图像的精细度与稳定度最优,实现了更好的仿真结果. 展开更多

关键词 循环一致性对抗网络 SAR图像仿真 深度残差网络 最小二乘生成对抗网络

在线阅读 下载PDF 职称材料

基于改进CycleGAN的水下图像颜色校正与增强 被引量：12

7

作者 李庆忠 白文秀 牛炯 《自动化学报》 EI CAS CSCD 北大核心 2023年第4期820-829,共10页

针对水下观测图像的颜色失真和散射模糊问题,提出一种基于改进循环一致性生成对抗网络(Cycle-consistent generative adversarial networks,CycleGAN)的水下图像颜色校正与增强算法.为了利用CycleGAN学习水下降质图像到空气中图像的映... 针对水下观测图像的颜色失真和散射模糊问题,提出一种基于改进循环一致性生成对抗网络(Cycle-consistent generative adversarial networks,CycleGAN)的水下图像颜色校正与增强算法.为了利用CycleGAN学习水下降质图像到空气中图像的映射关系,对传统CycleGAN的损失函数进行了改进,提出了基于图像强边缘结构相似度(Strong edge and structure similarity,SESS)损失函数的SESS-CycleGAN,SESS-CycleGAN可以在保留原水下图像的边缘结构信息的前提下实现水下降质图像的颜色校正和对比度增强.为了确保增强后图像和真实脱水图像颜色的一致性,建立了SESSCycleGAN和正向生成网络G相结合的网络结构;并提出了两阶段学习策略,即先利用非成对训练集以弱监督方式进行SESS-CycleGAN学习,然后再利用少量成对训练集以强监督方式进行正向生成网络G的监督式学习.实验结果表明:本文算法在校正水下图像颜色失真的同时还增强了图像对比度,且较好地实现了增强后图像和真实脱水图像视觉颜色的一致性. 展开更多

关键词 水下图像 深度学习 循环一致性生成对抗网络 颜色校正 图像增强

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

8

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,... 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%。 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

基于改进CycleGAN的图像风格迁移 被引量：22

9

作者 杜振龙 沈海洋 +1 位作者 宋国美 李晓丽 《光学精密工程》 EI CAS CSCD 北大核心 2019年第8期1836-1844,共9页

图像风格迁移是用风格图像对指定图像的内容进行重映射,利用GAN自动进行图像风格迁移,可减少工作量,且结果丰富。特定情况下GAN方法所用的配对数据集很难获得。为了避免利用传统GAN进行图像风格迁移受到成对数据集的限制,提高风格迁移效... 图像风格迁移是用风格图像对指定图像的内容进行重映射,利用GAN自动进行图像风格迁移,可减少工作量,且结果丰富。特定情况下GAN方法所用的配对数据集很难获得。为了避免利用传统GAN进行图像风格迁移受到成对数据集的限制,提高风格迁移效率,本文利用改进的循环一致性对抗网络CycleGAN实现图像风格迁移,用密集连接卷积网络DenseNet代替原来网络生成器的深度残差网络ResNet,用同一映射损失和感知损失组成的损失函数度量风格迁移损失。所做改进使网络性能得到了提升,取消了网络对成对样本的限制,提高了风格迁移生成图像的质量。同时进一步提高了稳定性,加快了网络收敛速度。论文所提方法对建筑图像进行了风格迁移,实验结果表明,生成图像的PSNR值平均提高了6.27%,SSIM值均提高了约10%。因此,本文提出的改进的CycleGAN图像风格迁移方法生成的风格图像效果更优。 展开更多

关键词 图像风格迁移 循环一致性对抗网络 密集连接卷积网络 深度残差网络

在线阅读 下载PDF 职称材料

用于绝缘子故障检测的CycleGAN小样本库扩增方法研究 被引量：9

10

作者 崔克彬 潘锋 《计算机工程与科学》 CSCD 北大核心 2022年第3期509-515,共7页

在深度学习的训练中,绝缘子检测需要大量的故障绝缘子,而实际难以获得大量故障绝缘子数据。生成对抗网络为扩增训练样本提供了可行的解决办法。在循环一致性生成对抗网络(CycleGAN)结构上补充缺陷绝缘子样本,通过更改损失函数来优化模型... 在深度学习的训练中,绝缘子检测需要大量的故障绝缘子,而实际难以获得大量故障绝缘子数据。生成对抗网络为扩增训练样本提供了可行的解决办法。在循环一致性生成对抗网络(CycleGAN)结构上补充缺陷绝缘子样本,通过更改损失函数来优化模型,将正向生成器生成的图像,输入到反向生成器,保持样本整体轮廓的同时,增加了差异性。将改进的CycleGAN模型与其他GAN模型在SSD目标检测方法中进行比较,结果表明改进的CycleGAN扩增数据集的方法相较于其他扩增方法在绝缘子掉串检测识别率上有明显提升。 展开更多

关键词 循环一致性生成对抗网络 绝缘子 样本扩增 风格转换

在线阅读 下载PDF 职称材料

基于Cycle-GAN的绝缘子图像生成方法 被引量：8

11

作者 王金娜 苏杰 +2 位作者 杨凯 翟永杰 刘洪吉 《广东电力》 2020年第1期100-108,共9页

深度学习模型应用于输电线路绝缘子目标检测时,在训练样本方面存在公开样本集缺乏和优质样本不足的问题,为此提出一种基于循环一致性生成对抗网络(cycle-generative adversarial networks,Cycle-GAN)的绝缘子图像生成方法。首先分析绝... 深度学习模型应用于输电线路绝缘子目标检测时,在训练样本方面存在公开样本集缺乏和优质样本不足的问题,为此提出一种基于循环一致性生成对抗网络(cycle-generative adversarial networks,Cycle-GAN)的绝缘子图像生成方法。首先分析绝缘子样本集,对绝缘子图像基于背景色彩特征进行风格域划分;之后在划分好的绝缘子风格域样本集基础上,采用Cycle-GAN生成绝缘子图像样本;最后,搭建分类网络验证生成图像用于扩充的有效性,并进一步探究了生成图像不同扩增比例对分类性能的影响。结果表明:绝缘子生成样本可一定程度上替代真实样本;生成图像不同扩充比例对网络性能影响不同,当扩充比例在40%~50%时,分类网络性能提升效果最佳。 展开更多

关键词 循环一致性生成对抗网络 图像生成 深度学习 绝缘子检测

在线阅读 下载PDF 职称材料

基于Cycle-GAN的有源欺骗干扰方法 被引量：1

12

作者 王伟 武星辉 +1 位作者 王钦钊 王敏 《火力与指挥控制》 CSCD 北大核心 2022年第9期9-14,共6页

针对基于数字射频存储器有源欺骗干扰性能不足的问题,提出一种基于循环一致性生成对抗网络的干扰信号生成算法。该算法使用干净回波信号序列(即未添加干扰的原始回波信号)作为网络生成器的输入,将添加干扰的回波信号作为判决器的判决标... 针对基于数字射频存储器有源欺骗干扰性能不足的问题,提出一种基于循环一致性生成对抗网络的干扰信号生成算法。该算法使用干净回波信号序列(即未添加干扰的原始回波信号)作为网络生成器的输入,将添加干扰的回波信号作为判决器的判决标准,对生成器生成的干扰信号进行判决,通过生成-判决的对抗过程不断优化模型,达到纳什均衡后得到最终干扰信号。实验结果表明,采用循环一致性生成对抗网络模型生成的干扰信号相比切片干扰、弥散频谱干扰具有更优性能,在实际场景中有广泛的应用前景。 展开更多

关键词 有源欺骗干扰 深度学习 循环一致性生成对抗网络 切片干扰 弥散频谱干扰

在线阅读 下载PDF 职称材料

基于相机风格转换的行人再识别 被引量：1

13

作者 邓杰 王旭智 万旺根 《电子测量技术》 北大核心 2022年第12期120-126,共7页

不同相机间的风格变化是行人再识别领域的一个重要挑战,为了平滑相机风格差异,丰富行人样本的多样性,本文通过风格转换方法显式学习相机间的不变特征。具体来说,利用循环一致性生成对抗网络为每个行人生成具有其他相机风格的转换图像,... 不同相机间的风格变化是行人再识别领域的一个重要挑战,为了平滑相机风格差异,丰富行人样本的多样性,本文通过风格转换方法显式学习相机间的不变特征。具体来说,利用循环一致性生成对抗网络为每个行人生成具有其他相机风格的转换图像,并与原始样本一起组成增强数据集进行训练;另外,本文使用注意力机制对特征通道进行重新加权以提取更具判别力的行人外观特征,最后使用多任务损失对再识别网络进行监督训练。实验结果表明,本文方法在公开数据集Market1501和DukeMTMC-reID上的mAP和top-1指标分别达到了86.5%,95.1%以及77.1%,87.2%,优于现有算法。相机风格转换作为一种数据增强方法,有效扩充了数据集并降低了人工标注成本,同时提升了在多摄像机场景下的识别准确性。 展开更多

关键词 行人再识别 风格转换 循环一致性生成对抗网络 注意力机制

在线阅读 下载PDF 职称材料

基于Cycle-GAN+Faster R-CNN的除草机器人杂草识别算法研究 被引量：3

14

作者 张瑞森 万兴鸿 +2 位作者 陈子颖 高昕 唐亚南 《南方农机》 2021年第15期7-10,共4页

为解决人工除草耗时长、农药除草污染大的问题,需要更准、更快的杂草识别定位算法帮助除草机器人根除农田杂草。课题小组提出了一种基于Faster R-CNN的农田杂草反向识别改进算法,新算法利用循环一致性生成对抗网络(Cycle-GAN)的图像生... 为解决人工除草耗时长、农药除草污染大的问题,需要更准、更快的杂草识别定位算法帮助除草机器人根除农田杂草。课题小组提出了一种基于Faster R-CNN的农田杂草反向识别改进算法,新算法利用循环一致性生成对抗网络(Cycle-GAN)的图像生成能力以解决训练样本稀缺的问题,同时将Cycle-GAN与快速区域卷积神经网络(Faster R-CNN)混合使用,从而提高杂草识别能力。试验结果表明,该方法在正常拍摄的测试集图片中识别率可以达到95.06%,识别结果优于传统Faster R-CNN的87.59%。该算法具有识别速度快、实时性好的优点,在果园、园林除草等方面具有应用价值。 展开更多

关键词 快速区域卷积神经网络 杂草识别 循环一致性生成对抗网络 实时性

在线阅读 下载PDF 职称材料