期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1,111篇文章
< 1 2 … 56 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于条件深度卷积生成对抗网络的图像识别方法 被引量：156
1
作者 唐贤伦 杜一铭 +2 位作者 刘雨微 李佳歆 马艺玮 《自动化学报》 EI CSCD 北大核心 2018年第5期855-864,共10页
生成对抗网络(Generative adversarial networks,GAN)是目前热门的生成式模型.深度卷积生成对抗网络(Deep convolutional GAN,DCGAN)在传统生成对抗网络的基础上,引入卷积神经网络(Convolutional neural networks,CNN)进行无监督训练;... 生成对抗网络(Generative adversarial networks,GAN)是目前热门的生成式模型.深度卷积生成对抗网络(Deep convolutional GAN,DCGAN)在传统生成对抗网络的基础上,引入卷积神经网络(Convolutional neural networks,CNN)进行无监督训练;条件生成对抗网络(Conditional GAN,CGAN)在GAN的基础上加上条件扩展为条件模型.结合深度卷积生成对抗网络和条件生成对抗网络的优点,建立条件深度卷积生成对抗网络模型(Conditional-DCGAN,C-DCGAN),利用卷积神经网络强大的特征提取能力,在此基础上加以条件辅助生成样本,将此结构再进行优化改进并用于图像识别中,实验结果表明,该方法能有效提高图像的识别准确率. 展开更多
关键词 生成对抗网络 卷积神经网络 条件模型 特征提取 图像识别
在线阅读 下载PDF
基于条件深度卷积生成对抗网络的新能源发电场景数据迁移方法 被引量：27
2
作者 张承圣 邵振国 +2 位作者 陈飞雄 江昌旭 冯健冰 《电网技术》 EI CSCD 北大核心 2022年第6期2182-2189,共8页
针对在历史数据缺失的情况下,现有的新能源发电场景生成方法存在精度较低甚至失效的问题,提出一种基于条件深度卷积生成对抗网络(conditional deep convolutions generative adversarial network,C-DCGAN)的新能源发电场景数据迁移方法... 针对在历史数据缺失的情况下,现有的新能源发电场景生成方法存在精度较低甚至失效的问题,提出一种基于条件深度卷积生成对抗网络(conditional deep convolutions generative adversarial network,C-DCGAN)的新能源发电场景数据迁移方法。该方法以历史数据大规模缺失的新能源电站为目标电站,以历史数据完整的邻近新能源电站为源电站,通过生成对抗网络模型学习源电站与目标电站之间的场景数据映射关系,进而根据源电站场景数据,生成目标电站场景数据,且所生成的数据符合真实场景数据分布规律。采用实际风电数据集对所提算法和模型进行验证,并应用若干统计学指标,分别对文中模型与条件生成对抗网络(conditional generative adversarial network,CGAN)模型所迁移生成的数据进行对比评估,结果表明所提算法与模型能够更加准确地生成新能源发电场景数据。 展开更多
关键词 新能源发电 不确定性 数据迁移 生成对抗网络 深度卷积神经网络
在线阅读 下载PDF
基于条件深度卷积生成对抗网络的视网膜血管分割 被引量：11
3
作者 蒋芸 谭宁 《自动化学报》 EI CAS CSCD 北大核心 2021年第1期136-147,共12页
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... 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.为了降低参数数目和计算,在使用大卷积核之前使用小卷积核对输入特征图的通道数进行减半处理.通过使用U型网络的思想将卷积层的输出与反卷积层的输出进行连接从而避免低级信息共享.通过在DRIVE和STARE数据集上对本文的方法进行了验证,其分割准确率分别为96.08%、97.71%,灵敏性分别达到了82.74%、85.34%,F度量分别达到了82.08%和85.02%,灵敏度比R2U-Net的灵敏度分别高了4.82%,2.4%. 展开更多
关键词 生成对抗网络 残差网络 视网膜血管分割 条件模型 卷积神经网络
在线阅读 下载PDF
基于条件生成对抗网络与迁移学习的暂态电压稳定超前判别 被引量：2
4
作者 王渝红 何其多 +5 位作者 郑宗生 周旭 马欢 程定一 赵康 周辰予 《电力自动化设备》 北大核心 2025年第2期159-166,共8页
为解决样本不平衡导致的暂态电压稳定判别准确性不足的问题以及实现暂态电压稳定超前判别,提出一种基于条件生成对抗网络(CGAN)与迁移学习的暂态电压稳定超前判别方法。考虑暂态电压稳定样本类型,利用CGAN定向扩增暂态电压样本集,解决... 为解决样本不平衡导致的暂态电压稳定判别准确性不足的问题以及实现暂态电压稳定超前判别,提出一种基于条件生成对抗网络(CGAN)与迁移学习的暂态电压稳定超前判别方法。考虑暂态电压稳定样本类型,利用CGAN定向扩增暂态电压样本集,解决样本不平衡问题,从而提升暂态电压稳定判别准确性;考虑到CGAN生成器与暂态电压时序预测模型具有相似的学习任务,将CGAN生成器模型迁移至暂态电压时序预测模型,结合工程判据实现暂态电压稳定超前判别,并进一步提升暂态电压稳定判别准确性。在CEPRI-VC暂态电压稳定分析系统中验证了所提方法的有效性。 展开更多
关键词 暂态电压稳定 稳定超前判别 迁移学习 条件生成对抗网络 数据生成
在线阅读 下载PDF
地震属性驱动的条件生成对抗网络沉积微相模型构建
5
作者 刘昕 孙胜 +3 位作者 张立强 蔡明俊 鲁玉 卢文娟 《中国石油大学学报(自然科学版)》 北大核心 2025年第4期1-10,共10页
由于地层结构的复杂性和强非均质性,同时受到测井、岩心、试油等数据不足的影响,现有沉积微相建模方法难以实现精确建模。提出一种基于条件生成对抗网络的沉积微相建模方法,采用灰色关联分析算法,计算各地震属性与砂地比的灰色关联度,... 由于地层结构的复杂性和强非均质性,同时受到测井、岩心、试油等数据不足的影响,现有沉积微相建模方法难以实现精确建模。提出一种基于条件生成对抗网络的沉积微相建模方法,采用灰色关联分析算法,计算各地震属性与砂地比的灰色关联度,挖掘对砂地比参数关联性较强的参数;将优选地震属性图像作为卷积神经网络模型的输入,构建砂地比预测模型,可视化砂地比预测结果,与井相图作为联合约束条件,训练条件生成对抗网络,构建沉积微相生成模型,实现沉积微相的精确建模。应用本方法对东部某油田进行沉积微相建模研究。结果表明,条件生成对抗网络沉积微相模型能精确刻画复杂地质模式,井点吻合率达到94.1%。 展开更多
关键词 条件生成对抗网络 深度学习 沉积微相 砂地比 灰色关联 卷积神经网络
在线阅读 下载PDF
基于生成对抗网络和卷积神经网络的高速铁路地震预警干扰信号识别方法
6
作者 宋晋东 栾世成 +7 位作者 李山有 马强 孙文韬 刘赫奕 周学影 姚鹍鹏 黄鹏杰 朱景宝 《中国铁道科学》 北大核心 2025年第1期225-232,共8页
为提升高速铁路地震预警系统中地震事件识别的可靠性,提出基于生成对抗网络(GAN)和卷积神经网络(CNN)的高速铁路地震预警干扰信号识别方法。首先,通过GAN对打夯干扰信号进行数据增强,以实现数据平衡;其次,设计并构建GAN-CNN打夯干扰信... 为提升高速铁路地震预警系统中地震事件识别的可靠性,提出基于生成对抗网络(GAN)和卷积神经网络(CNN)的高速铁路地震预警干扰信号识别方法。首先,通过GAN对打夯干扰信号进行数据增强,以实现数据平衡;其次,设计并构建GAN-CNN打夯干扰信号识别模型,并对其进行训练和测试;最后,通过对比试验,验证该模型在干扰信号识别中的有效性和准确性。结果表明:与未使用GAN进行数据增强的情况相比,所提方法识别打夯干扰信号和地震事件信号的准确率分别为99.60%和100%,性能显著提升;此外,GANCNN模型的交并比、准确率、召回率和综合能力评价指标也得到提高。该方法可为高速铁路地震预警干扰信号识别提供参考。 展开更多
关键词 地震预警 高速铁路 卷积神经网络 生成对抗网络 打夯干扰信号
在线阅读 下载PDF
基于深度卷积生成式对抗网络的船型特征认知与条件生成方法 被引量：1
7
作者 杜林 李胜忠 +3 位作者 李广年 舒跃辉 刘子祥 赵峰 《船舶力学》 EI CSCD 北大核心 2024年第8期1162-1174,共13页
船体型值与图片一样也是序列相关型数据,所以用于生成图片的神经网络模型也能生成船型数据。由于船舶种类繁多、需求复杂,本文研究重点从船舶水线上下、船艏、舯、艉等区域位置特征,和船舶设计中普遍存在球艏、尾轴、艏部外板升高等全... 船体型值与图片一样也是序列相关型数据,所以用于生成图片的神经网络模型也能生成船型数据。由于船舶种类繁多、需求复杂,本文研究重点从船舶水线上下、船艏、舯、艉等区域位置特征,和船舶设计中普遍存在球艏、尾轴、艏部外板升高等全局几何特征的条件生成需求出发,训练条件深度卷积生成式对抗网络模型(Con⁃ditional Deep Convolutional Generative Adversarial Networks)来实现两种特征的条件认知与生成。首先,将实现船型区域位置特征与全局几何特征的条件生成作为目标,分别建立条件深度卷积生成式对抗网络模型;然后,针对两类特征设置若干从易到难的不同分割方案和特征种类,使神经网络能够循序渐进地完成条件生成任务;最后,通过对训练过程和生成结果进行对比,初步证明所研究方法用于解决船型特征条件生成问题的可行性。本研究延续了作者之前的研究成果,属于基于计算机视觉技术的船型智能设计方法领域,旨在进一步探索引入人工智能实现船型智能设计的可行性方法。 展开更多
关键词 船型智能设计 深度卷积生成式对抗网络 计算机视觉
在线阅读 下载PDF
基于双重时间卷积网络与生成对抗网络的时序序列异常检测
8
作者 王红霞 牛宇浩 《计量学报》 北大核心 2025年第7期1030-1040,共11页
随着数字制造化产业的发展,数据安全检测、系统监控分析等应用场景中数据量的不断增加,对于数据异常检测的要求日益提高。提出了一种基于双重时间卷积网络与生成对抗网络(GAN)的异常检测(MdtGAN)算法。首先通过生成对抗网络的设计策略... 随着数字制造化产业的发展,数据安全检测、系统监控分析等应用场景中数据量的不断增加,对于数据异常检测的要求日益提高。提出了一种基于双重时间卷积网络与生成对抗网络(GAN)的异常检测(MdtGAN)算法。首先通过生成对抗网络的设计策略构建其基本结构;其次在全局和局部时间卷积网络(GaL-TCN)生成器中通过设计双重时间卷积网络对时间序列进行历史信息处理,其中的注意力机制和单层Transformer编码器使其能够快速地执行知识推理,实现对于时间序列的分布预测使其能够生成符合真实数据分布的时间序列;最后提出基于极值理论的动态阈值设定方法,减少了需要手动调节的参数量以及对于先验知识的需要。实验结果表明,在4个公开数据集上MdtGAN与近几年优秀的基准方法相比,将F1分数平均提高了1.27%,训练时间减少了70.69%,为无监督异常检测提供了一种新的解决方案。 展开更多
关键词 数据处理 生成对抗网络 时间序列 异常检测 双重时间卷积网络 注意力机制 动态阈值
在线阅读 下载PDF
基于可解释性条件生成对抗网络的台风气象负荷场景生成方法 被引量：3
9
作者 罗萍萍 盛奥 +3 位作者 林济铿 马骞 许琴 刘一鸣 《电力系统自动化》 北大核心 2025年第2期186-197,共12页
台风气象下电网负荷将会出现剧烈波动且威胁到电网安全稳定运行,亟需一种有效的方法来生成相应的负荷需求场景。文中提出一种面向稀少历史样本、基于可解释性条件生成对抗网络(CGAN)的台风负荷场景生成方法。首先,对历史台风负荷进行修... 台风气象下电网负荷将会出现剧烈波动且威胁到电网安全稳定运行,亟需一种有效的方法来生成相应的负荷需求场景。文中提出一种面向稀少历史样本、基于可解释性条件生成对抗网络(CGAN)的台风负荷场景生成方法。首先,对历史台风负荷进行修正,并根据台风登陆位置、等级等信息对其进行标签分类。然后,提出一种两阶段数据扩充策略以应对数据匮乏问题,第1阶段利用历史台风日负荷序列之间的横纵向相关性信息进行样本扩充,第2阶段利用台风日与非台风日负荷之间的残差信息进一步进行样本扩充。最后,提出基于特征影响指标的CGAN因果解释方法,刻画了不同特征对于模型结果的调控力度大小。算例证实了文中所提模型及方法的有效性和先进性。 展开更多
关键词 台风气象 人工智能 负荷需求 场景生成 可解释性 条件生成对抗网络
在线阅读 下载PDF
基于格拉姆角场与深度卷积生成对抗网络的行星齿轮箱故障诊断 被引量：9
10
作者 古莹奎 石昌武 陈家芳 《噪声与振动控制》 CSCD 北大核心 2024年第1期111-118,共8页
针对行星齿轮箱故障诊断中样本分布不均衡所引起的模型泛化能力差及诊断精度低等问题,采用格拉姆角场图像编码技术和深度卷积生成对抗网络相结合进行数据增强,融合AlexNet卷积神经网络进行故障诊断。将采集到的一维振动信号转化为格拉... 针对行星齿轮箱故障诊断中样本分布不均衡所引起的模型泛化能力差及诊断精度低等问题,采用格拉姆角场图像编码技术和深度卷积生成对抗网络相结合进行数据增强,融合AlexNet卷积神经网络进行故障诊断。将采集到的一维振动信号转化为格拉姆角场图,按比例划分训练集与测试集,将训练集样本与随机向量输入到深度卷积生成对抗网络模型中,交替训练生成器与判别器,达到纳什平衡,生成与原始样本类似的生成样本,从而实现故障样本的增广。用原始样本与生成的增广样本训练卷积神经网络分类模型,完成行星齿轮箱的故障识别。实验结果表明,所提方法能够有效提升样本不均衡条件下的行星齿轮箱故障诊断精度,使之达到99.15%,且能使收敛速度更快。 展开更多
关键词 故障诊断 格拉姆角场 深度卷积生成对抗网络 卷积神经网络 行星齿轮箱
在线阅读 下载PDF
基于双鉴别器条件生成对抗网络的隐私增强联邦学习方案
11
作者 沈翰林 汪学明 《计算机工程与设计》 北大核心 2025年第8期2226-2232,共7页
基于目前的隐私增强联邦学习方法可能存在准确率下降与通信开销增加等问题,甚至可能产生新的不安全因素,提出了一种差分隐私增强的双鉴别器条件生成对抗网络模型。在该模型中,引入了双鉴别器结构,通过模型中生成器和不同鉴别器之间的两... 基于目前的隐私增强联邦学习方法可能存在准确率下降与通信开销增加等问题,甚至可能产生新的不安全因素,提出了一种差分隐私增强的双鉴别器条件生成对抗网络模型。在该模型中,引入了双鉴别器结构,通过模型中生成器和不同鉴别器之间的两两博弈过程,使得生成器所生成的数据在满足差分隐私的要求的同时尽可能接近输入数据。在联邦学习框架中应用该模型,可以保证模型的准确率不会因为隐私保护措施而大幅下降,与此同时增强联邦学习隐私保护的能力。通过仿真实验验证了所提出方案在点对点架构下的有效性。 展开更多
关键词 联邦学习 隐私增强 准确率 差分隐私 双鉴别器结构 条件生成对抗网络 点对点构架
在线阅读 下载PDF
基于扩张卷积条件生成对抗网络的红外小目标检测 被引量：1
12
作者 张国栋 陈志华 盛斌 《计算机科学》 CSCD 北大核心 2024年第2期151-160,共10页
基于深度神经网络的目标检测方法凭借自身强大的建模能力,在通用目标检测任务中取得了良好的表现。然而,在红外小目标信号弱、像素小的本质特征的影响下,深度神经网络层次的加深和池化操作的大量使用导致小目标语义信息丢失,使得现有方... 基于深度神经网络的目标检测方法凭借自身强大的建模能力,在通用目标检测任务中取得了良好的表现。然而,在红外小目标信号弱、像素小的本质特征的影响下,深度神经网络层次的加深和池化操作的大量使用导致小目标语义信息丢失,使得现有方法的检测效果并不理想。文中从红外小目标特性这一关键问题出发,提出了一种新颖的基于扩张卷积条件生成对抗网络的目标检测算法。所提方法应用扩张卷积设计了生成网络,充分利用上下文信息建立层与层之间的关联,将红外小目标更多的语义信息保留到深层网络中,增强目标特征,进而提高检测性能。此外,设计了融合通道与空间维度的混合注意力模块,在特征提取时有选择性地放大目标信息,抑制背景信息;设计了自注意关联模块处理层与层之间信息融合过程中产生的语义冲突问题。文中使用多种评价指标将所提网络模型与目前先进的其他红外小目标检测方法进行对比,证明了该方法在复杂背景下目标检测性能的优越性。在公开的SIRST数据集上,所提模型的F分数为64.70%,相比传统方法提高了8.29%,相比深度学习方法提高了7.29%;在公开的ISOS数据集上,所提模型的F分数为64.54%,相比传统方法提高了23.59%,相比深度学习方法提高了6.58%。 展开更多
关键词 红外小目标检测 条件生成对抗网络 特征融合 注意力机制 扩张卷积
在线阅读 下载PDF
基于改进生成对抗网络和Swin Transformer的样本不均衡轴承故障诊断 被引量：1
13
作者 马良玉 黄日灏 +3 位作者 段晓冲 胡景琛 高海天 马进 《南京信息工程大学学报》 北大核心 2025年第4期528-537,共10页
深度学习由于其强大的特征提取能力被广泛应用于故障诊断领域,但在实际生产过程中,故障样本数量通常远低于正常样本,从而导致故障诊断模型的分类准确率下降.为此,本文提出一种基于改进循环生成对抗网络和Swin Transformer的样本不均衡... 深度学习由于其强大的特征提取能力被广泛应用于故障诊断领域,但在实际生产过程中,故障样本数量通常远低于正常样本,从而导致故障诊断模型的分类准确率下降.为此,本文提出一种基于改进循环生成对抗网络和Swin Transformer的样本不均衡轴承故障诊断方法,并以旋转机械滚动轴承振动故障诊断为例对方法进行验证.首先,将原始振动信号的时频图作为循环生成对抗网络的输入;然后,为克服训练不稳定、模型不能及时收敛等问题,引入谱归一化和权值衰减,利用改进的循环生成对抗网络生成更多的故障样本;最后,采用Swin Transformer模型来进行故障诊断,并与随机森林(RF)、堆叠自编码器(SAE)、支持向量机(SVM)、卷积神经网络(CNN)进行对比.在美国凯斯西储大学(CWRU)轴承故障数据集进行多组不同的故障样本生成与故障诊断实验,结果表明,本文方法可以在训练样本数量较少时生成质量较高的合成样本,与其他方法相比,Swin Transformer模型故障诊断精度更高,在不平衡数据的故障诊断方面具有很大的潜力. 展开更多
关键词 滚动轴承 故障诊断 不平衡样本 循环生成对抗网络 深度学习
在线阅读 下载PDF
基于深度卷积生成对抗网络场景生成的间歇式分布式电源优化配置 被引量：30
14
作者 顾洁 刘书琪 +1 位作者 胡玉 孟璐 《电网技术》 EI CSCD 北大核心 2021年第5期1742-1749,共8页
风电和光伏等间歇性分布式电源(distributed generation,DG)在配电网中接入比例不断提高,对配电网规划影响显著,需对其出力的不确定性进行建模,以提升含DG的配电网规划的效益与实用性。建立了考虑出力不确定性的DG双层优化配置模型。通... 风电和光伏等间歇性分布式电源(distributed generation,DG)在配电网中接入比例不断提高,对配电网规划影响显著,需对其出力的不确定性进行建模,以提升含DG的配电网规划的效益与实用性。建立了考虑出力不确定性的DG双层优化配置模型。通过改进的条件深度卷积生成对抗网络模型对DG出力的不确定性进行建模,并在模型中加入月份标签信息以生成面向规划的风光联合出力场景;基于高斯混合模型确定月份标签对应的风光出力的上下限,从而刻画DG出力的不确定性范围。最后,考虑DG出力的运行边界,建立了社会综合成本最小化的DG双层优化配置模型。IEEE 33节点算例验证表明,提出的DG优化配置方案能够提升DG的接入容量,有效降低社会综合成本,提高配电网运行的经济性。 展开更多
关键词 不确定性 场景生成 条件深度卷积生成对抗网络 高斯混合模型 双层优化配置
在线阅读 下载PDF
基于改进条件生成对抗网络的可控场景生成方法 被引量：10
15
作者 张帅 刘文霞 +3 位作者 万海洋 吕笑影 Nawaraj Kumar Mahato 鲁宇 《电力自动化设备》 EI CSCD 北大核心 2024年第6期9-17,共9页
可再生能源发电具有较强的随机性和波动性,为实现高效可靠的场景建模,提出一种基于改进条件生成对抗网络的可控场景生成方法。提出基于条件生成对抗网络的场景生成框架,结合Transformer的全局注意力机制以及常规卷积和深度可分离卷积的... 可再生能源发电具有较强的随机性和波动性,为实现高效可靠的场景建模,提出一种基于改进条件生成对抗网络的可控场景生成方法。提出基于条件生成对抗网络的场景生成框架,结合Transformer的全局注意力机制以及常规卷积和深度可分离卷积的局部泛化机制,设计适用于提取可再生能源发电不同维度特征的网络结构;利用条件生成对抗网络模型建立低维气象特征隐空间和高维可再生能源发电数据之间的映射关系,提出一种可控场景生成方法,并建立随机场景生成、场景约减、极端场景生成和连续日场景生成4种生成策略。基于实际光伏、风电数据和气象数据的仿真结果表明,所提模型与方法能够有效学习可再生能源发电的随机性、时序性、波动性及空间相关性,实现对不同策略下场景的可控生成。 展开更多
关键词 场景生成 条件生成对抗网络 特征提取 配电网 可控生成
在线阅读 下载PDF
基于门控卷积生成对抗网络的西汉漆箱纹饰图案数字化修复研究 被引量：2
16
作者 周强 王露 +3 位作者 冯金牛 王莹 朱建锋 罗宏杰 《陕西科技大学学报》 北大核心 2024年第1期153-160,共8页
中国历史上漆器以其精美的纹饰技法闻名于世,针对古代漆器表面破损严重、纹饰信息大面积缺失的彩绘漆箱修复难题,提出了一种门控卷积生成对抗网络(GC-GAN)的古代漆箱表面图案修复方法.该方法采用门控卷积结构改进生成对抗网络模型,以提... 中国历史上漆器以其精美的纹饰技法闻名于世,针对古代漆器表面破损严重、纹饰信息大面积缺失的彩绘漆箱修复难题,提出了一种门控卷积生成对抗网络(GC-GAN)的古代漆箱表面图案修复方法.该方法采用门控卷积结构改进生成对抗网络模型,以提升模型对于图像中有效像素的学习能力并解决不规则大面积图像区域的高分辨率修复问题.在此基础上,首先对漆箱图案中的畸变、破损和缺失部分进行掩膜处理,然后使用GC-GAN生成掩膜区域的图案.针对漆箱纹饰图案样本数量少的问题,借助迁移学习思想,将模型在CelebA、SVHN等多种公共数据集上学习到的知识迁移到漆箱纹饰上.最终实现了“西安凤栖原西汉家族墓地”M1墓室中出土的大型木胎彩绘漆箱表面纹饰的数字化虚拟修复. 展开更多
关键词 漆器 西汉漆箱纹饰图案 数字化修复 门控卷积 生成对抗网络
在线阅读 下载PDF
基于生成对抗网络的人脸属性合成技术综述 被引量：1
17
作者 王健强 张珂 李培杰 《计算机应用研究》 北大核心 2025年第3期650-662,共13页
人脸属性合成技术旨在保留人脸面部图像身份信息的情况下,根据指定目标重建人脸属性,从而在源图像上合成具有全新属性的人脸。计算机视觉技术的发展为人脸属性合成技术提供了全新的解决方案。为此,从人脸属性合成数据集、传统和生成对... 人脸属性合成技术旨在保留人脸面部图像身份信息的情况下,根据指定目标重建人脸属性,从而在源图像上合成具有全新属性的人脸。计算机视觉技术的发展为人脸属性合成技术提供了全新的解决方案。为此,从人脸属性合成数据集、传统和生成对抗网络(GAN)的合成网络以及人脸语义方面综述了人脸属性合成技术的发展。首先分析了人脸属性合成领域中传统方法和主流的深度学习方法,探讨基于GAN方法的发展现状,将基于GAN的人脸属性合成模型划分为有监督、无监督以及半监督三种,将人脸属性划分年龄、表情和妆容三大类语义,并对多种合成模型进行深入研究。其次,对典型的损失函数进行分析和总结,同时介绍了常用人脸属性数据集以及评价指标。最后介绍现有人脸属性合成方法面临的问题,并对该领域未来的发展提出展望。 展开更多
关键词 深度学习 生成对抗网络 人脸属性生成 人脸图像数据集 年龄 表情 妆容
在线阅读 下载PDF
基于循环生成对抗网络的海上落水人员红外图像检测方法 被引量：1
18
作者 周妍 尹勇 邵泽远 《上海海事大学学报》 北大核心 2025年第2期87-93,136,共8页
为解决当前海上落水人员红外数据集稀缺以及基于红外图像的海上小目标特征提取难、检测精度低的问题,需要进一步扩充数据集并优化算法。利用循环生成对抗网络(cycle-consistent generative adversarial network,CycleGAN)扩充、构建海... 为解决当前海上落水人员红外数据集稀缺以及基于红外图像的海上小目标特征提取难、检测精度低的问题,需要进一步扩充数据集并优化算法。利用循环生成对抗网络(cycle-consistent generative adversarial network,CycleGAN)扩充、构建海上落水人员红外数据集,利用可见光和红外数据集实现域迁移,为后续目标检测提供数据支撑。对YOLOv5模型进行改进,通过设计增强型路径聚合网络(path aggregation network,PANet)结构,新增小目标检测层,并在特征融合部分引入坐标注意力机制,提升海上红外小目标的检测能力。实验结果显示,CycleGAN数据增强方法能够有效增强海上落水人员红外数据集的多样性,且改进后模型的平均检测精度为81.2%,较YOLOv5模型的提高了13.2个百分点。改进后的模型有效提升了检测精度,可以应用于无人机的海上落水人员搜救任务。 展开更多
关键词 红外检测技术 海上落水人员 生成对抗网络(GAN) 深度学习
在线阅读 下载PDF
基于条件生成对抗网络的实验室红外监控系统 被引量：1
19
作者 王海 梁剑烽 《激光杂志》 CAS 北大核心 2024年第3期193-198,共6页
实验室作为科研基地,其中存储了很多珍贵的资料和危险物品,因此,进行安全监控是十分必要的。在此背景下,设计一种基于条件生成对抗网络的实验室红外监控系统。借助B/S三层架构设计系统框架,分为采集层、网络层和应用层,将MySQL作为支撑... 实验室作为科研基地,其中存储了很多珍贵的资料和危险物品,因此,进行安全监控是十分必要的。在此背景下,设计一种基于条件生成对抗网络的实验室红外监控系统。借助B/S三层架构设计系统框架,分为采集层、网络层和应用层,将MySQL作为支撑,设计数据库。以STC89C52单片机为核心,主控各个外围硬件,搭建系统硬件。以ZigBee技术为基础组建系统的无线传输网络,用于远程传输。设计监控系统功能单元,通过采集单元采集实验室红外图像并利用预处理单元对实验室红外图像实施去噪、亮度调节、图像分割预处理,基于条件生成对抗网络(cGAN)设计异常识别单元,判断监控图像中是否存在异常情况并以此为依据进行预警。结果表明:系统对异常的监控结果与真实情况一致,由此证明了所设计的监控系统性能较高。 展开更多
关键词 条件生成对抗网络 实验室 红外图像 监控系统
在线阅读 下载PDF
融合生成对抗网络的大气无线光信道密钥提取
20
作者 田卓展 陈纯毅 +3 位作者 胡小娟 于海洋 李延风 王芳 《光学精密工程》 北大核心 2025年第3期486-496,共11页
无线光信道密钥提取是实现物理层安全的一种有效手段,合法双方通过探测并估计信道特征从而生成密钥序列。窃听方可能通过合法方接收孔径外的光信号获得密钥相关信息。为此提出一种密钥提取方案,该方案通过改进生成对抗网络模型,合法双... 无线光信道密钥提取是实现物理层安全的一种有效手段,合法双方通过探测并估计信道特征从而生成密钥序列。窃听方可能通过合法方接收孔径外的光信号获得密钥相关信息。为此提出一种密钥提取方案,该方案通过改进生成对抗网络模型,合法双方用该模型从信道测量序列中估计可用于密钥提取的特征。然后,合法双方对各自的信道特征估计序列进行随机交替量化,得到初始密钥。实验结果表明,合法双方经本方案生成密钥序列具有较高的一致性。在25 dB信噪比环境下Alice和Bob估计的信道特征序列的相关系数为0.9983,经量化生成初始密钥的不一致率为1.3×10^(-4)。本方案能够进一步降低合法双方生成初始密钥的不一致率,合法双方经信息协商后提取的共享密钥能通过NIST随机性测试。 展开更多
关键词 无线光信道 密钥提取 生成对抗网络 卷积神经网络 门控循环单元 量化
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 56 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部