-
题名应用残差稠密网络的无监督单幅图像深度估计
被引量：4
- 1
-
-
作者
马利
曹一铭
牛斌
-
机构
辽宁大学信息学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第11期2439-2444,共6页
-
基金
2017年辽宁省科技厅博士科研启动基金指导计划项目(20170520276)资助
-
文摘
针对单幅图像深度估计中由于轮廓信息模糊造成的深度估计值不准确的问题,本文提出了一种应用残差稠密网络(Residual Dense Network)的单幅图像深度估计方法.该方法通过将残差稠密模块(Residual Dense Model)引入到具有跳跃连接(Skip connection)的编码器解码器结构,提出了一种新的神经网络模型.使用来自双目摄像机的一系列立体图像对,实现神经网络的无监督训练.通过将预测图像输入网络模型得到对应的视差图,再根据视差图与深度图之间的几何关系,得到图像的深度图.本文所提出的网络模型在KITTI驾驶数据集上进行训练,在测试集上得到了优于现存的大部分方法的误差值和准确率,以及更为清晰的物体边缘轮廓信息,从而验证了本文所提出方法在单幅图像深度估计中的有效性和优异性.
-
关键词
深度估计
稠密残差网络
无监督学习
神经网络
-
Keywords
depth estimation
residual dense network
unsupervised learning
neural network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种改进的多尺度融合并行稠密残差去噪网络
被引量：7
- 2
-
-
作者
王婕
罗静蕊
岳广德
-
机构
西安理工大学自动化与信息工程学院
西安交通大学数学与统计学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2021年第4期798-804,共7页
-
基金
国家自然科学基金项目(41704118)资助
陕西省自然科学基础研究计划项目(2020JM-446)资助。
-
文摘
卷积神经网络在图像去噪方面取得了很好的效果,但是传统的压缩-解压缩结构的神经网络会不可避免地损坏原始图像信息.为了更有效地去除图像中的噪声,本文提出一种改进的多尺度特征融合并行稠密残差去噪神经网络框架,旨在更好地恢复图像边缘和纹理信息.首先使用并行网络结构以结合不同深度的图像信息,每个分支由一些残差稠密块构成,在此基础上加入残差块之间的远程跳跃连接以克服网络训练过程中出现的梯度消失和梯度弥散问题并提高网络训练性能.另外,在结合图像浅层信息与深层信息的基础上,在每个网络分支内部加入多尺度特征融合模块以获取不同深度下的多尺度图像特征信息.最后,采用残差学习的方式进一步提高网络性能.对比试验表明,本文方法在不同噪声强度下均取得了良好的效果,证明了所提出网络能够在抑制噪声的同时有效地保留原始图像的边缘和纹理信息.
-
关键词
深度学习
稠密残差网络
多尺度融合
并行网络
图像去噪
-
Keywords
deep learning
residual dense network
multi-scale feature fusion
parallel network
image denoising
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名视觉注意机制的注意残差稠密神经网络弱光照图像增强
被引量：12
- 3
-
-
作者
邓箴
王一斌
刘立波
-
机构
宁夏大学信息工程学院
四川师范大学工学院
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2021年第11期1463-1473,共11页
-
基金
宁夏回族自治区自然科学基金(No.2020AAC03031)
宁夏回族自治区青年托举人才工程(No.2017)
国家自然基金(No.61862050)。
-
文摘
针对传统的弱光照图像增强算法鲁棒性差,基于神经网络的图像增强算法直接从弱光照图像中估计增强结果,并未注入视觉注意机制,不能有效注意弱光照区域,导致算法增强结果的精度不高等问题,本文提出了注意残差稠密神经网络的弱光照图像增强算法来提高弱光照图像的增强精度和视觉效果。该算法主要包括注意循环网络和残差稠密网络,注意循环网络在光照图的引导下,利用循环网络结构逐步关注图像中的弱光照区域,从而产生由粗到细,逐步优化的光照注意图。而光照注意图则进一步联合弱光照图像作为后续的残差稠密网络的输入,引导残差稠密网络为弱光照区域分配更多的计算资源,更好地学习弱光照图像与增强图像的映射关系,得到准确的图像增强结果。实验表明,本文算法在合成图像及真实图像上均较常用算法有更好的增强效果。
-
关键词
弱光照图像增强
Retinex模型
卷积神经网络
残差稠密网络
注意机制
-
Keywords
weakly illuminated image enhancement
Retinex mode
convolutional neural network
residual dense network
attention mechanism
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于三维残差稠密网络的人体行为识别算法
被引量：10
- 4
-
-
作者
郭明祥
宋全军
徐湛楠
董俊
谢成军
-
机构
中国科学院合肥智能机械研究所
中国科学技术大学
-
出处
《计算机应用》
CSCD
北大核心
2019年第12期3482-3489,共8页
-
基金
国家重点研发计划项目(2017YFC0806504)
安徽省科技强警项目(201904d07020007)~~
-
文摘
针对现有的人体行为识别算法不能充分利用网络多层次时空信息的问题,提出了一种基于三维残差稠密网络的人体行为识别算法。首先,所提算法使用三维残差稠密块作为网络的基础模块,模块通过稠密连接的卷积层提取人体行为的层级特征;其次,经过局部特征聚合自适应方法来学习人体行为的局部稠密特征;然后,应用残差连接模块来促进特征信息流动以及减轻训练的难度;最后,通过级联多个三维残差稠密块实现网络多层局部特征提取,并使用全局特征聚合自适应方法学习所有网络层的特征用以实现人体行为识别。设计的网络算法在结构上增强了对网络多层次时空特征的提取,充分利用局部和全局特征聚合学习到更具辨识力的特征,增强了模型的表达能力。在基准数据集KTH和UCF-101上的大量实验结果表明,所提算法的识别率(top-1精度)分别达到了93.52%和57.35%,与三维卷积神经网络(C3D)算法相比分别提升了3.93和13.91个百分点。所提算法框架有较好的鲁棒性和迁移学习能力,能够有效地处理多种视频行为识别任务。
-
关键词
人体行为识别
视频分类
三维残差稠密网络
深度学习
特征聚合
-
Keywords
human behavior recognition
video classification
three-dimensional residual dense network
deep learning
feature aggregation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进FFDNet的条纹图去噪方法
- 5
-
-
作者
张伟
张俊杰
龚渠
宋杰
王宸
王生怀
-
机构
湖北汽车工业学院机械工程学院
中国工程科技十堰产业研究院
-
出处
《计算机应用与软件》
北大核心
2025年第10期239-244,共6页
-
基金
国家自然科学基金项目(51475150,51675167)
教育部人文社科项目(20YJCZH150)
湖北省自然科学基金项目(2020CFB755)。
-
文摘
在数字条纹投影的三维测量技术中,噪声的存在往往会导致条纹边缘信息缺失,降低相位提取的精度,最终影响测量结果的准确性。为了更好地保留条纹边缘信息,提出一种改进FFDNet(Fast and Flexible Denoising Convolutional Neural Network)神经网络的条纹图去噪方法。使用Leaky ReLU激活函数与残差稠密网络优化FFDNet的网络结构,从而提高模型正则效果与网络层的利用率。实验结果表明,相较于FFDNet,改进FFDNet的去噪效果在不同的噪声水平下提升了1.87~2.61 dB,而且参数量减少了75%。
-
关键词
条纹图去噪
深度学习
FFDNet
残差稠密网络
-
Keywords
Fringe pattern denoising
Deep learning
FFDNet
DenseNet
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于宽接收域的实时人体姿态估计网络
被引量：4
- 6
-
-
作者
苟先太
陶明江
李欣
康立烨
金炜东
-
机构
西南交通大学电气工程学院
四川大学原子与分子物理研究所
南宁学院中国-东盟综合交通国际联合实验室
-
出处
《计算机工程与设计》
北大核心
2023年第1期247-254,共8页
-
基金
广西科技基地和人才专项基金项目(桂科AD20297125)。
-
文摘
为解决人体姿态估计任务的准确率和实时性问题,提出一个卷积宽接收域、检测实时的人体姿态估计网络。构建稠密残差步进网络(dense residual steps network,DRSN),提高模型对输入图像空间信息的提取和全局特征的把握。在激活函数上,以改进的FReLU激活函数替换原始的激活函数,通过采用二维卷积的方式改变ReLU函数中的激活条件,扩大模型的接收域,关键点分类更加准确。该网络在标准MPII数据集上进行测试,在满足较高定位精度的条件下,模型在NVIDIA RTX 2080Ti GPU上的检测速度达到38 FPS,可有效解决检测实时性问题。
-
关键词
姿态估计
FReLU激活函数
宽接收域
稠密残差步进网络
二维卷积激活
-
Keywords
pose estimation
FReLU activation function
wide receiving domain
dense residual step network
two-dimensional convolution activation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于生成对抗网络的CFA图像去马赛克算法
被引量：3
- 7
-
-
作者
罗静蕊
王婕
岳广德
-
机构
西安理工大学自动化与信息工程学院
西安交通大学数学与统计学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第7期249-256,265,共9页
-
基金
国家自然科学基金(41704118)
陕西省自然科学基础研究计划项目(2020JM-446)。
-
文摘
在单传感器数码相机图像采集系统的彩色滤波阵列中,每个像素仅捕获单一颜色分量,并且在彩色图像重构过程中图像边缘等高频区域的伪影现象尤为明显。提出一种基于生成对抗网络的图像去马赛克算法,通过设计生成对抗网络的生成器、鉴别器和网络损失函数增强学习图像高频信息的能力,其中使用的生成器为具有残差稠密块和远程跳跃连接的深层残差稠密网络,鉴别器由一系列堆叠的卷积单元构成,并且结合对抗性损失、像素损失以及特征感知损失改进网络损失函数,提升网络整体性能。数值实验结果表明,与传统去马赛克算法相比,该算法能更有效减少图像边缘的伪影现象并恢复图像高频信息,生成逼真的重建图像。
-
关键词
生成对抗网络
残差稠密网络
稠密连接
彩色滤波阵列
去马赛克算法
-
Keywords
Generative Adversarial Network(GAN)
residual dense network
dense connection
color filtering array
demosaicing algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的彩色以及近红外图像去马赛克
被引量：4
- 8
-
-
作者
谢长江
杨晓敏
严斌宇
芦璐
-
机构
四川大学电子信息学院
-
出处
《计算机应用》
CSCD
北大核心
2019年第10期2899-2904,共6页
-
文摘
单传感器捕获的彩色近红外(RGB-NIR)图像存在光谱干扰,从而导致重建出的标准彩色图像(RGB)图像与近红外(NIR)图像存在色彩失真以及细节信息模糊。针对这个问题提出一种基于深度学习的去马赛克方法,通过引入跳远连接与稠密连接解决了梯度消失和梯度弥散问题,使得网络更容易训练,并且提升了网络的拟合能力。首先,用浅层特征提取层提取了马赛克图像的像素相关性以及通道相关性等低级特征;然后,将得到的浅层特征图输入到连续多个的残差稠密块以提取专门针对去马赛克的高级语义特征;其次,为充分利用低级特征与高级特征,将多个残差稠密块提取到的特征进行组合;最后,通过全局跳远连接恢复最终的RGB-NIR图像。在深度学习框架Tensorflow上使用公共的图像与视觉表示组(IVRG)数据集、有植被的户外多光谱图像(OMSIV)数据集和森林(Forest)三个公开数据集进行实验。实验结果表明,所提方法优于基于多级自适应残差插值、基于卷积卷积和神经神经网络以及基于深度残差U型网络的主流的RGB-NIR图像去马赛克方法。
-
关键词
彩色近红外图像
去马赛克
残差稠密网络
跳远连接
稠密连接
-
Keywords
Red Green Blue-Near InfRared (RGB-NIR) image
demosaicing
residual densenetwork
long jump connection
denseconnection
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
