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111篇文章
< 1 2 … 6 >
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：
基于生成对抗网络的两阶段探地雷达图像反演方法
1
作者 武铭泽 刘庆华 欧阳缮 《电波科学学报》 北大核心 2025年第1期141-154,共14页
在探地雷达(ground penetrating radar,GPR)应用中,反演成像是解译GPR数据信息的关键技术。现有基于深度学习的GPR图像反演技术大多应用于地下均匀介质的理想环境,然而真实环境中采集到的数据通常包含复杂的噪声与杂波信号,对反演精度... 在探地雷达(ground penetrating radar,GPR)应用中,反演成像是解译GPR数据信息的关键技术。现有基于深度学习的GPR图像反演技术大多应用于地下均匀介质的理想环境,然而真实环境中采集到的数据通常包含复杂的噪声与杂波信号,对反演精度有很大影响。针对这一问题,本文提出了一种基于生成对抗网络(generative adversarial network,GAN)的两阶段GPR图像反演网络TSInvNet,以重构真实环境中地下目标的位置分布。该方法先将GPR B-scan图像使用改进的空间自适应归一化(spatially-adaptive normalization,SPADE)生成器的去噪网络TSInvNet1进行处理后,接着送入引入置换注意力(shuffle attention,SA)模型的反演网络TSInvNet2进行反演。在模拟数据与真实数据上的实验结果表明,TSInvNet能够根据GPR B-scan图像准确反演出地下目标的位置,在具有复杂噪声与多目标情况下的反演应用中具有强鲁棒性和精确反演性能。 展开更多
关键词 探地雷达(GPR) 反演成像 深度学习 生成对抗网络(gan) 注意力模型
在线阅读 下载PDF
基于可逆神经网络的黑盒GAN生成人脸反取证方法
2
作者 陈北京 冯逸凡 李玉茹 《信息安全研究》 北大核心 2025年第5期394-401,共8页
生成对抗网络(generative adversarial network, GAN)生成的人脸取证模型用于区分真实人脸和GAN生成人脸.但由于其易受对抗攻击影响,GAN生成人脸反取证技术应运而生.然而,现有反取证方法依赖白盒代理模型,迁移性不足.因此,提出了一种基... 生成对抗网络(generative adversarial network, GAN)生成的人脸取证模型用于区分真实人脸和GAN生成人脸.但由于其易受对抗攻击影响,GAN生成人脸反取证技术应运而生.然而,现有反取证方法依赖白盒代理模型,迁移性不足.因此,提出了一种基于可逆神经网络(invertible neural network, INN)的黑盒GAN生成人脸反取证方法.该方法通过INN将真实人脸特征嵌入GAN生成人脸中,使生成的反取证人脸能够误导取证模型.同时,在训练中引入特征损失,通过最大化反取证人脸特征与真实人脸特征间的余弦相似度,进一步提升反取证性能.实验结果表明,在不依赖任何白盒模型的场景下,该方法对8种取证模型都有良好的攻击性能,优于对比的7种方法,且可以生成高视觉质量的反取证人脸. 展开更多
关键词 对抗攻击 可逆神经网络 gan生成人脸 反取证 黑盒
在线阅读 下载PDF
融合云畸变和生成对抗网络的遥感影像云去除
3
作者 陈显 冯林 陈兵 《电讯技术》 北大核心 2025年第7期1110-1119,共10页
为解决光学遥感影像中云对图像的污染和遮挡问题,提出了一种融合云畸变和生成对抗网络的遥感影像云去除方法。首先,考虑云的透射、反射和吸收率变化,构建了云畸变物理模型。其次,将云畸变物理模型与生成对抗网络相结合,构建了遥感影像... 为解决光学遥感影像中云对图像的污染和遮挡问题,提出了一种融合云畸变和生成对抗网络的遥感影像云去除方法。首先,考虑云的透射、反射和吸收率变化,构建了云畸变物理模型。其次,将云畸变物理模型与生成对抗网络相结合,构建了遥感影像云去除模型,将输入图像分解为无云背景层和云畸变层,对输入突降进行重建,从而去除来自不同区域的未配对图像的云。最后,采用真实光学遥感图像对所提方法进行了实验验证,并与另外两种常规的云去除方法进行了对比分析。实验结果表明,所提方法在去除云层后,生成的无云图像的相关性R^(2)值显著提高,分别从0.745、0.853、0.886上升至0.917、0.924、0.921,表明其在视觉和定量评估上均优于传统方法。 展开更多
关键词 遥感影像 云去除 云畸变 生成对抗网络(gan)
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
4
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Transformer和生成对抗网络的藏文生成图像方法
5
作者 黄安 华却才让 +2 位作者 环科尤 张瑞 杨启辉 《高原科学研究》 2025年第2期113-121,共9页
针对藏文生成图像领域资源稀缺以及生成的图像语义一致性低和细节模糊等问题,提出了一种基于Transformer和生成对抗网络的藏文生成图像方法。该方法利用Transformer架构训练不同粒度文本编码器以提取藏文特征,之后将文本特征与随机采样... 针对藏文生成图像领域资源稀缺以及生成的图像语义一致性低和细节模糊等问题,提出了一种基于Transformer和生成对抗网络的藏文生成图像方法。该方法利用Transformer架构训练不同粒度文本编码器以提取藏文特征,之后将文本特征与随机采样得到的噪声经过仿射变化进行特征融合,并输入卷积层生成图像。经实验,在自建的CUB-BO数据集上,IS值和FID值分别达到了5.22和14.43,展现出较高的藏文生成图像能力。此外,对比实验发现,采用音节切分策略处理藏文文本相较于子词切分生成的图像在细节清晰度和语义一致性上表现更为出色。 展开更多
关键词 藏文生成图像 生成对抗网络(gan) 音节切分
在线阅读 下载PDF
基于生成式对抗网络和多模态注意力机制的扩频与常规调制信号识别方法 被引量：4
6
作者 王华华 张睿哲 黄永洪 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第4期1212-1221,共10页
针对低信噪比条件下的扩频与常规调制信号分类精度低的问题,该文提出一种基于生成式对抗网络(GAN)、卷积神经网络(CNN)和长短期记忆(LSTM)网络的多模态注意力机制信号调制识别方法。首先生成待识别信号的时频图像(TFIs),并利用GAN实现T... 针对低信噪比条件下的扩频与常规调制信号分类精度低的问题,该文提出一种基于生成式对抗网络(GAN)、卷积神经网络(CNN)和长短期记忆(LSTM)网络的多模态注意力机制信号调制识别方法。首先生成待识别信号的时频图像(TFIs),并利用GAN实现TFIs降噪处理;然后将信号的同相正交数据(I/Q data)与TFIs作为模型输入,并搭建基于CNN的TFIs识别支路和基于LSTM的I/Q数据识别支路;最后,在模型中添加注意力机制,增强I/Q数据和TFIs中重要特征对分类结果的决定作用。实验结果表明,该文所提方法相较于单模态识别模型以及其它基线模型,整体分类精度有效提升2%~7%,并在低信噪比条件下具备更强的特征表达能力和鲁棒性。 展开更多
关键词 深度学习 自动调制识别 生成对抗网络(gan) 多模态特征 时频分布
在线阅读 下载PDF
基于相关性分析和生成对抗网络的电网缺失数据填补方法 被引量：7
7
作者 蔡榕 杨雪 +2 位作者 田江 赵奇 王毅 《电力工程技术》 北大核心 2024年第1期229-237,共9页
城市电网新型电力系统中多元资源增多,数据采集难度加大,导致数据随机缺失率升高,难以满足精细化分析决策需求。为解决新型电力系统中配网量测数据在采集与传输过程中频发的缺失问题,文中提出一种基于波动互相关分析(fluctuation cross-... 城市电网新型电力系统中多元资源增多,数据采集难度加大,导致数据随机缺失率升高,难以满足精细化分析决策需求。为解决新型电力系统中配网量测数据在采集与传输过程中频发的缺失问题,文中提出一种基于波动互相关分析(fluctuation cross-correlation analysis,FCCA)算法和生成对抗网络(generative adversarial network,GAN)的电网缺失数据填补方法。首先,融合FCCA算法提出强相关性电网数据多维特征提取方法;其次,基于核主成分分析(kernel principal component analysis,KPCA)对多维特征数据集进行降维处理;最后,设计改进型GAN结构,融合电网数据多维特征对低维向量进行重构,实现缺失数据填补。算例采用真实电网数据进行算法验证,并在某城市电网试运行。结果表明,所提方法比传统数据填补方法具有更高填补精度。因此,在新型电力系统中量测数据连续缺失和缺失量较大的情况下,融合强相关性特征进行数据填补,对提升量测数据的完整性和可用性有明显优势。 展开更多
关键词 新型电力系统 波动互相关分析(FCCA) 多维特征 生成对抗网络(gan) 缺失数据 核主成分分析(KPCA) 智能填补
在线阅读 下载PDF
基于生成对抗网络的文本两阶段生成高质量图像方法 被引量：5
8
作者 曹寅 秦俊平 +2 位作者 高彤 马千里 任家琪 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第4期674-683,共10页
为了解决传统文本生成图像方法生成图像质量差和文本描述与生成图像不一致问题,以多种损失函数为约束,提出深度融合注意力的生成对抗网络方法(DFA-GAN).采用两阶段图像生成,以单级生成对抗网络(GAN)为主干,将第一阶段生成的初始模糊图... 为了解决传统文本生成图像方法生成图像质量差和文本描述与生成图像不一致问题,以多种损失函数为约束,提出深度融合注意力的生成对抗网络方法(DFA-GAN).采用两阶段图像生成,以单级生成对抗网络(GAN)为主干,将第一阶段生成的初始模糊图像输入第二阶段,对初始图像进行高质量再生成,以提升图像的生成质量.在图像生成的第一阶段,设计视觉文本融合模块,深度融合文本特征与图像特征,将文本信息充分融合在不同尺度的图像采样过程中.在图像生成的第二阶段,为了充分融合图像特征与文本描述词特征,提出以改进后的Vision Transformer为编码器的图像生成器.定量与定性实验结果表明,对比其他主流模型,所提方法提高了生成图像的质量,与文本描述更加符合. 展开更多
关键词 文字生成图像 深度融合 生成对抗网络(gan) 多尺度特征融合 语义一致性
在线阅读 下载PDF
基于梯度惩罚Wasserstein生成对抗网络的数字岩心重建
9
作者 徐慧兵 李道伦 查文舒 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第11期1559-1563,共5页
文章针对三维Wasserstein生成对抗网络(Wasserstein generative adversarial networks,WGAN)重建数字岩心的梯度不稳定问题,提出一种基于带梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial networks with gradie... 文章针对三维Wasserstein生成对抗网络(Wasserstein generative adversarial networks,WGAN)重建数字岩心的梯度不稳定问题,提出一种基于带梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial networks with gradient penalty,WGAN-GP)三维数字岩心重建算法。首先利用卷积神经网络构建生成网络学习真实样本的分布,然后再构建判别网络以区分重建样本和真实样本。由于WGAN的权值裁剪导致权重分散不均匀,WGAN-GP增加了梯度惩罚项,使得梯度分布更加均匀并加快网络收敛速度,让训练更加稳定。实验通过孔隙度、比表面积和欧拉特性的对比表明,相比于WGAN算法,WGAN-GP三维数字岩心重建算法能更加有效地重现岩石的三维孔隙结构特征。 展开更多
关键词 数字岩心 生成对抗网络(gan) 梯度惩罚 三维重建 卷积神经网络
在线阅读 下载PDF
融合多维梯度反馈的生成对抗网络推荐系统
10
作者 李祥霞 陈楷锐 李彬 《计算机科学与探索》 CSCD 北大核心 2024年第6期1579-1589,共11页
互联网时代,推荐系统在日常生活中变得十分重要,生成对抗网络(GAN)与推荐算法的结合为该领域的发展提供了新契机。以往基于生成对抗网络的推荐系统中,鉴别器提供的梯度反馈是二元的,此类反馈为生成器提供的帮助不够全面,造成诸如生成器... 互联网时代,推荐系统在日常生活中变得十分重要,生成对抗网络(GAN)与推荐算法的结合为该领域的发展提供了新契机。以往基于生成对抗网络的推荐系统中,鉴别器提供的梯度反馈是二元的,此类反馈为生成器提供的帮助不够全面,造成诸如生成器性能不稳定、迭代速度慢等问题,进而影响模型的整体推荐效果。针对此问题,提出了多维梯度反馈生成对抗网络(MGFGAN),根据生成器生成的多维用户评分向量,该模型将自编码器(AutoEncoder)融入鉴别器中,达到为生成器提供多元反馈的目的,旨在让生成器生成的数据更加贴近用户偏好;此外,融合多维梯度反馈机制给模型整体带来了运算量激增的问题;因此,MGFGAN在生成器中引入了负采样模块,使得生成器同时兼顾用户感兴趣和不感兴趣的物品,从而加速生成器快速生成与真实用户分布一致的数据,提升模型的效率。提出的模型在公开数据集FilmTrust和Ciaos上展开实验仿真。实验结果表明MGFGAN的推荐性能优于其他基于生成对抗网络的推荐模型,并且在效率和稳定性方面取得改善。 展开更多
关键词 推荐系统 多维梯度反馈 生成对抗网络(gan) 协同过滤
在线阅读 下载PDF
遮挡条件下基于生成对抗网络的苹果果实检测方法
11
作者 刘帅 肖奕同 +2 位作者 张吴平 李富忠 王宦臣 《湖北农业科学》 2024年第8期47-53,共7页
针对苹果果实在自然环境条件下易受到枝干、树叶等障碍物的遮挡,导致识别准确率降低的问题,引入了一种融合生成对抗网络(Generative adversarial networks,GAN)的苹果果实检测方法。使用Faster RCNN模型对苹果果实和遮挡物进行检测,对... 针对苹果果实在自然环境条件下易受到枝干、树叶等障碍物的遮挡,导致识别准确率降低的问题,引入了一种融合生成对抗网络(Generative adversarial networks,GAN)的苹果果实检测方法。使用Faster RCNN模型对苹果果实和遮挡物进行检测,对受遮挡的苹果果实图像添加掩码,然后用生成对抗网络对受遮挡的苹果果实图像进行修复,最后将修复的图像传输给目标检测模型进行识别定位。结果表明,融合生成对抗网络的GAN-Faster RCNN联合模型,对大面积遮挡的苹果果实,在测试集上的平均精度均值(Mean average precision,mAP)达73.62%,较原模型提高了8.76个百分点;对小面积遮挡的苹果果实,在测试集上的平均精度均值达90.67%,较原模型提高了9.54个百分点,解决了传统目标检测方法在遮挡条件下苹果果实识别准确率低的问题。 展开更多
关键词 苹果 目标检测 遮挡 Faster RCNN 生成对抗网络(gan)
在线阅读 下载PDF
生成对抗网络GAN综述 被引量：91
12
作者 梁俊杰 韦舰晶 蒋正锋 《计算机科学与探索》 CSCD 北大核心 2020年第1期1-17,共17页
生成对抗网络(GAN)作为一种新的无监督学习算法框架得到越来越多研究者的青睐,已然成为当下的一个研究热点。GAN受启发于博弈论中的二人零和博弈理论,其独特的对抗训练思想能生成高质量的样本,具有比传统机器学习算法更加强大的特征学... 生成对抗网络(GAN)作为一种新的无监督学习算法框架得到越来越多研究者的青睐,已然成为当下的一个研究热点。GAN受启发于博弈论中的二人零和博弈理论,其独特的对抗训练思想能生成高质量的样本,具有比传统机器学习算法更加强大的特征学习和特征表达能力。目前GAN在计算机视觉领域尤其是在样本生成领域取得显著成功,每年有大量GAN相关研究的论文产出。针对GAN这一热点模型,首先介绍了GAN的研究现状;接着介绍了GAN的理论、框架,详细分析了GAN在训练过程中存在梯度消失和模式崩溃的原因;然后讨论了一些典型的GAN的改进模型,总结了它们理论的改进之处、优点、局限性、应用场景以及实现成本,同时还将GAN与VAE、RBM模型进行比较,总结出GAN的优势和劣势;最后展示了GAN在数据生成、图像超分辨率、图像风格转换等方面的应用成果,并探讨了GAN目前面临的挑战以及未来的研究方向。 展开更多
关键词 机器学习 无监督学习 生成对抗网络(gan) 梯度消失 模式崩溃
在线阅读 下载PDF
基于生成对抗Transformer的电力负荷数据异常检测 被引量：11
13
作者 陆旦宏 范文尧 +3 位作者 杨婷 倪敏珏 李思琦 朱晓 《电力工程技术》 北大核心 2024年第1期157-164,共8页
电力负荷异常数据将给电力系统规划、负荷预测以及用能分析等带来较大的负面影响,因此亟须对负荷数据异常进行检测与识别。首先,针对电力负荷数据异常分类、原因及其特征开展分析。其次,改进传统Transformer编码器结构,采用多头注意力... 电力负荷异常数据将给电力系统规划、负荷预测以及用能分析等带来较大的负面影响,因此亟须对负荷数据异常进行检测与识别。首先,针对电力负荷数据异常分类、原因及其特征开展分析。其次,改进传统Transformer编码器结构,采用多头注意力层代替掩码多头注意力层,同时移除前馈网络,以提高模型对负荷时序序列的全局注意力。基于生成对抗网络(generative adversarial networks,GAN)生成器与判别器的博弈结构,提出一种改进的GAN-Transformer模型,以更好地捕捉趋势性特征并加速模型收敛。然后,引入多阶段映射与训练方法,综合焦点分数打分机制,通过分阶段负荷序列重构帮助模型更好地提取负荷数据异常特征。最后,算例分析结果表明,GAN-Transformer模型在负荷数据异常检测精确率、召回率、F_(1)值以及训练时间方面均具有更优的性能,验证了所提方法的有效性和优越性。文中研究工作为基于深度学习进一步实现电力负荷数据异常分类与数据修复提供了有益参考。 展开更多
关键词 电力负荷数据 数据异常检测 生成对抗网络(gan)-transformer 多阶段训练与映射 焦点分数 序列重构
在线阅读 下载PDF
数据匮乏场景下采用生成对抗网络的空间负荷预测方法 被引量：38
14
作者 肖白 黄钰茹 +3 位作者 姜卓 施永刚 焦明曦 王徭 《中国电机工程学报》 EI CSCD 北大核心 2020年第24期7990-8001,共12页
针对在历史负荷数据匮乏场景下,现有空间负荷预测方法预测结果精度较低甚至失效的问题,提出一种基于生成式对抗网络(generative adversarial networks,GAN)和RCGAN的空间负荷预测方法。该方法首先建立电力地理信息系统,并生成I类元胞和... 针对在历史负荷数据匮乏场景下,现有空间负荷预测方法预测结果精度较低甚至失效的问题,提出一种基于生成式对抗网络(generative adversarial networks,GAN)和RCGAN的空间负荷预测方法。该方法首先建立电力地理信息系统,并生成I类元胞和Ⅱ类元胞?然后构建基于原始GAN的数据生成模型,根据十分有限的历史负荷数据生成数量充足且兼顾负荷时空分布规律的"Ⅱ类元胞历史负荷数据",达到数据增强的目的。其次构建基于RCGAN的空间负荷预测模型。最后利用生成的"Ⅱ类元胞历史负荷数据"和确定参数的RCGAN模型实现空间负荷预测。工程实例表明该方法是正确、有效的。 展开更多
关键词 空间负荷预测(SLF) 电力系统规划 生成式对抗网络(gan) 卷积神经网络 长短时记忆神经网络(LSTM)
在线阅读 下载PDF
生成对抗网络的单图像超分辨率重建方法 被引量：20
15
作者 彭晏飞 高艺 +2 位作者 杜婷婷 桑雨 訾玲玲 《计算机科学与探索》 CSCD 北大核心 2020年第9期1612-1620,共9页
基于深度卷积神经网络的超分辨率重建方法虽然有较高的峰值信噪比(PSNR),但重建结果在大尺度因子下存在缺乏高频信息和纹理细节,视觉感知效果差的问题。针对这一问题,提出了一种基于生成对抗网络的单图像超分辨率重建方法。首先迁移支... 基于深度卷积神经网络的超分辨率重建方法虽然有较高的峰值信噪比(PSNR),但重建结果在大尺度因子下存在缺乏高频信息和纹理细节,视觉感知效果差的问题。针对这一问题,提出了一种基于生成对抗网络的单图像超分辨率重建方法。首先迁移支持向量机中的hinge损失作为目标函数,其次使用更加稳定、抗噪性更强的Charbonnier损失代替L2损失函数,最后去掉了残差块和判别器中对图像超分辨率不利的批规范化层,并在生成器和判别器中使用谱归一化来减小计算开销,稳定模型训练。实验结果表明,在4倍放大尺度因子下,相较其他对比方法,该方法重建图像的PSNR值最高提升4.6 dB,SSIM值最高提升0.1,测试时间较短。实验数据和效果图均表明该方法重建的超分辨率图像视觉效果较好,且有更高的PSNR和SSIM值。 展开更多
关键词 超分辨率重建 生成对抗网络(gan) 深度学习 卷积神经网络(CNN) 损失函数
在线阅读 下载PDF
基于生成对抗网络的最大熵逆强化学习 被引量：3
16
作者 陈建平 陈其强 +3 位作者 傅启明 高振 吴宏杰 陆悠 《计算机工程与应用》 CSCD 北大核心 2019年第22期119-126,共8页
针对逆强化学习算法在训练初期由于专家样本稀疏所导致的学习速率慢的问题,提出一种基于生成对抗网络(Generative Adversarial Networks,GAN)的最大熵逆强化学习算法。在学习过程中,结合专家样本训练优化生成对抗网络,以生成虚拟专家样... 针对逆强化学习算法在训练初期由于专家样本稀疏所导致的学习速率慢的问题,提出一种基于生成对抗网络(Generative Adversarial Networks,GAN)的最大熵逆强化学习算法。在学习过程中,结合专家样本训练优化生成对抗网络,以生成虚拟专家样本,在此基础上利用随机策略生成非专家样本,构建混合样本集,结合最大熵概率模型,对奖赏函数进行建模,并利用梯度下降方法求解最优奖赏函数。基于所求解的最优奖赏函数,利用正向强化学习方法求解最优策略,并在此基础上进一步生成非专家样本,重新构建混合样本集,迭代求解最优奖赏函数。将所提出的算法与MaxEnt IRL算法应用于经典的Object World与Mountain Car问题,实验表明,该算法在专家样本稀疏的情况下可以较好地求解奖赏函数,具有较好的收敛性能。 展开更多
关键词 生成对抗网络(gan) 逆强化学习 最大熵
在线阅读 下载PDF
生成对抗网络在肝脏肿瘤图像分割中的应用综述 被引量：3
17
作者 张颖 仇大伟 刘静 《计算机工程与应用》 CSCD 北大核心 2022年第16期18-30,共13页
由于肝脏肿瘤图像复杂多样且肝脏肿瘤图像数据集获取困难等问题,快速准确地诊断肝脏肿瘤疾病面临着诸多挑战,尤其是肝脏肿瘤的分割是其中的关键研究内容。生成对抗网络在半监督学习领域具有强大的优越性,因此其在医学图像处理中得到广... 由于肝脏肿瘤图像复杂多样且肝脏肿瘤图像数据集获取困难等问题,快速准确地诊断肝脏肿瘤疾病面临着诸多挑战,尤其是肝脏肿瘤的分割是其中的关键研究内容。生成对抗网络在半监督学习领域具有强大的优越性,因此其在医学图像处理中得到广泛应用。为了分析肝脏肿瘤图像在分割领域的现状以及未来发展,针对应用GAN的肝脏肿瘤图像分割方法进行研究,介绍GAN模型的网络结构与衍生模型,重点总结并分析生成对抗网络在肝脏肿瘤图像分割中的应用,包括基于网络结构改进的GAN方法、基于生成器或判别器改进的GAN方法和基于GAN的其他改进方法。最后在已有的研究进展和基础之上,对GAN在肝脏肿瘤图像分割中的应用进行总结,讨论GAN在肝脏肿瘤图像分割上所面临的挑战,并对其未来发展进行展望。 展开更多
关键词 生成对抗网络(gan) 图像分割 肝脏肿瘤
在线阅读 下载PDF
基于用户偏好挖掘生成对抗网络的推荐系统 被引量：3
18
作者 李广丽 滑瑾 +4 位作者 袁天 朱涛 邬任重 姬东鸿 张红斌 《计算机科学与探索》 CSCD 北大核心 2020年第5期803-814,共12页
用户偏好挖掘是推荐系统研究中的关键问题,它对于改善推荐质量具有非常重要的作用。提出用户偏好挖掘生成对抗网络(UPM-GAN),从两个角度深入分析用户隐含偏好:基于三元组损失算法对用户评分矩阵进行处理,挖掘难分负样本,以更好地确立正... 用户偏好挖掘是推荐系统研究中的关键问题,它对于改善推荐质量具有非常重要的作用。提出用户偏好挖掘生成对抗网络(UPM-GAN),从两个角度深入分析用户隐含偏好:基于三元组损失算法对用户评分矩阵进行处理,挖掘难分负样本,以更好地确立正样本,为准确刻画用户偏好奠定基础;基于奇异值分解(SVD++)算法构建UPM-GAN的生成模型,利用SVD++算法中的偏置信息及隐式参数描述用户隐含偏好,以提高评分预测精度。最后使用最新生成对抗网络(GAN)框架完成推荐系统训练,在MovieLens-100K、MovieLens-1M这两个主流数据集上展开实验仿真。实验表明UPM-GAN的Precision@K、均值平均精度(MAP)等多项指标均优于对比基线,且它还具有收敛速度快、训练过程平稳等优点。基于UPM-GAN的推荐系统具有一定实用价值。 展开更多
关键词 推荐系统 生成对抗网络(gan) 用户偏好挖掘 奇异值分解(SVD++) 三元组损失 难分负样本
在线阅读 下载PDF
生成式对抗网络及其在图像生成中的研究进展 被引量：8
19
作者 马永杰 徐小冬 +2 位作者 张茹 谢艺蓉 陈宏 《计算机科学与探索》 CSCD 北大核心 2021年第10期1795-1811,共17页
生成式对抗网络(GAN)现已成为深度学习领域热门的研究方向,其独特的对抗性思想来源于博弈论中的二人零和博弈,如何解决GAN训练不稳定、生成样本质量差、评价体系不够健全、可解释性差等问题是目前GAN研究的重点和难点。调研了生成式对... 生成式对抗网络(GAN)现已成为深度学习领域热门的研究方向,其独特的对抗性思想来源于博弈论中的二人零和博弈,如何解决GAN训练不稳定、生成样本质量差、评价体系不够健全、可解释性差等问题是目前GAN研究的重点和难点。调研了生成式对抗网络的研究背景和发展趋势。首先阐述了生成式对抗网络的基本思想和算法实现,分析了GAN的优势与不足,然后对已有改进方法进行了较为系统的分类,从基于结构改变和基于损失函数变体的两种类型分别梳理了一些典型的GAN的优化方法和衍生模型;比较了GAN与其他生成模型的异同,介绍了各自的优势与不足;对比了GAN及其衍生模型的性能,总结了它们的运作机制、优点、局限性以及适用场景,介绍了生成式对抗网络在图像生成领域中的应用;最后列举了生成式对抗网络的主流评价指标,分析了GAN研究中仍面临的主要问题并给出对应的解决思路,并将列举出的主流解决手段在解决效果及可应用性方面进行了对比分析,展望了未来的研究方向。 展开更多
关键词 生成式对抗网络(gan) 机器学习 深度学习 图像处理 无监督学习 图像生成
在线阅读 下载PDF
敌手能力有限时基于生成对抗网络的保密增强 被引量：4
20
作者 李西明 吴嘉润 吴少乾 《计算机科学与探索》 CSCD 北大核心 2021年第7期1220-1226,共7页
保密增强是指通信双方在共享一个部分保密的串S且敌手只知道该串的部分信息的情况下,通过在公共信道上进行协商来提取一个更短的但是保密度更高的串S′,使敌手得知关于S′的信息几乎可以忽略。近期人们使用生成对抗网络(GANs)实现了存... 保密增强是指通信双方在共享一个部分保密的串S且敌手只知道该串的部分信息的情况下,通过在公共信道上进行协商来提取一个更短的但是保密度更高的串S′,使敌手得知关于S′的信息几乎可以忽略。近期人们使用生成对抗网络(GANs)实现了存在敌手的安全通信。主要研究了敌手能力有限时,利用生成对抗网络实现保密增强的问题。首先提出了保密增强的实现场景,通信双方利用交流信息产生密钥,敌手监听交流信息。然后参考Abadi等人的基本加密通信模型中的神经网络结构,设计了保密增强的通信模型。实验测试了在敌手获知部分信息或敌手计算能力较弱时的保密增强通信。经过修改激活函数和过滤器,以及增加模型复杂度,最终结果表明,在敌手获知70%的通信信息时,或者通信方比敌手模型复杂时,通信双方均能协商出一个安全的密钥,完成保密增强的功能。 展开更多
关键词 保密增强 生成对抗网络(gans) 全连接网络 激活函数
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 … 6 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