-
题名基于门控卷积与注意迁移的二阶图像修复
被引量：3
- 1
-
-
作者
彭晏飞
顾丽睿
王刚
-
机构
辽宁工程技术大学电子与信息工程学院
渤海船舶职业学院
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2023年第5期625-635,共11页
-
基金
国家自然科学基金(No.61772249)
辽宁省高等学校基本科研项目(No.LJKZ0358)
辽宁工程技术大学双一流学科创新团队项目(No.LNTU20TD-27)。
-
文摘
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。
-
关键词
图像处理
图像修复
门控卷积
注意迁移
对抗损失
-
Keywords
image processing
image inpainting
gated convolution
attention transfer
adversarial loss
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多重迁移注意力的增量式图像去雾算法
被引量：1
- 2
-
-
作者
韦金阳
王科平
杨艺
费树岷
-
机构
郑州恒达智控科技股份有限公司
河南理工大学电气工程与自动化学院
东南大学自动化学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2024年第4期969-980,共12页
-
基金
河南省科技攻关(232102210040)。
-
文摘
为提高深度神经网络去雾算法对增补数据集的处理能力,并使网络差异化处理重要程度不同的图像特征以提高网络去雾能力,提出一种基于多重迁移注意力的增量式去雾算法。通过自编码器形式的教师注意力生成网络提取标签和雾霾的多重注意力,作为特征迁移媒介网络的标签约束网络训练,形成与教师注意力尽可能相近的迁移媒介注意力,并将其融入学生去雾网络的特征中,提高学生去雾网络的去雾能力;通过增量式训练方法提高学生去雾网络对增补数据集的处理能力。结果表明:所提算法对ITS、OTS以及真实雾图上皆具有较好的处理能力,在保证去雾图像像素结构完整、颜色不失真的同时具有较好的去雾效果,算法处理后的图像在主观视觉效果和客观评价指标上皆优于对比算法。
-
关键词
深度学习
图像去雾
迁移注意力
增量式训练
-
Keywords
deep learning
image dehazing
transfer attention
incremental training
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进注意力迁移的实时目标检测方法
被引量：2
- 3
-
-
作者
张弛
刘宏哲
-
机构
北京联合大学北京市信息服务工程重点实验室
北京联合大学机器人学院
-
出处
《计算机应用研究》
CSCD
北大核心
2021年第4期1212-1215,共4页
-
基金
国家自然科学基金资助项目(61871039,61906017,61802019)
北京市教委项目(KM202111417001,KM201911417001)
+1 种基金
视觉智能协同创新中心项目(CYXC2011)
北京联合大学学术研究项目(ZB10202003,ZK80202001,XP202015,BPHR2019AZ01)。
-
文摘
目前深度神经网络模型需要部署在资源受限的环境中,故需要设计高效紧凑的网络结构。针对设计紧凑的神经网络提出一种基于改进注意力迁移的模型压缩方法(KE),主要使用一个宽残差教师网络(WRN)指导一个紧凑的学生网络(KENet),将空间和通道的注意力迁移到学生网络来提升性能,并将该方法应用于实时目标检测。在CIFAR上的图像分类实验验证了经过改进注意力迁移的知识蒸馏方法能够提升紧凑模型的性能,在VOC上的目标检测实验验证了模型KEDet具有很好的精度(72.7 mAP)和速度(86 fps)。实验结果充分说明基于改进注意力迁移的目标检测模型具有很好的准确性和实时性。
-
关键词
神经网络
深度学习
目标检测
知识蒸馏
注意力迁移
-
Keywords
neural network
deep learning
object detection
knowledge distillation
attention transfer
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于注意力迁移的跨语言关系抽取方法
被引量：1
- 4
-
-
作者
吴婧
杨百龙
田罗庚
-
机构
火箭军工程大学信息与通信工程系
国防科技大学信息通信学院
-
出处
《计算机应用研究》
CSCD
北大核心
2022年第2期417-423,共7页
-
文摘
针对互联网上日渐丰富的多语言文本和匮乏大规模标注平行语料库的问题,为了从多语言的信息源挖掘语言间的关联性与扩展知识图谱,提出了基于注意力迁移的跨语言关系提取方法。首先针对语言间的实际平行语料情况,分类进行跨语言平行语料映射,并针对缺乏种子词典的低资源语言对,提出神经网络翻译模型获取目标语言数据集并保存多语言间的对应注意力权重关系,然后利用BERT端对端的联合抽取模型抽取训练数据实体关系特征,反向迁移语言间注意力权重关系,最后利用反向迁移的注意力进行增强的关系抽取。实验表明,该模型的关系提取效果相比其他模型在准确率和回归上都有所提升,在缺乏双语词典情况下也表现出较好的性能。
-
关键词
神经机器翻译
关系提取
无监督
注意力迁移
BERT预训练
-
Keywords
neural machine translation
relation extraction
unsupervised
attention transfer
BERT pre-training
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名无源多领域自适应糖尿病视网膜病变分类方法
- 5
-
-
作者
张光华
杨阳
徐国华
-
机构
太原学院山西省健康大数据AI联合实验室
太原学院计算机科学与技术系
-
出处
《液晶与显示》
北大核心
2025年第7期1080-1091,共12页
-
基金
山西省基础研究计划(No.202203021211006)。
-
文摘
对于基于深度学习域自适应方法的糖尿病视网膜病变诊断,本文提出的扩散域注意力迁移学习模型由两个主要模块构成。首先,去噪扩散概率糖尿病视网膜病变图像生成模块通过生成丰富且多样化的目标域样本,促使模型学习更全面的目标域特征。其次,设计了无源多领域注意力集成模块,在无需访问源域数据的情况下,实现了多个源域预训练模型的加权注意力集成,从而在实例特定特征和领域一致特征之间取得了良好的平衡。实验结果表明,模型在可转诊糖尿病视网膜病变诊断任务中分别达到了90.66%的准确率、87.47%的精确度、85.41%的敏感度、91.63%的特异度和86.42%的F1分数。同时,模型在正常/异常视网膜病变识别任务中达到了96.75%的准确率、99.23%的精确度、90.47%的敏感度、99.27%的特异度以及94.65%的F1分数。本文模型在不访问源域数据且目标域样本无标签的前提下能够进行有效的视网膜病变诊断。
-
关键词
糖尿病视网膜病变
深度学习
无源多领域自适应
扩散域注意力迁移学习
-
Keywords
diabetic retinopathy
deep learning
source-free multi-domain adaptive
diffusion-enhanced domain-attention transfer learning
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
