基于约束性循环一致生成对抗网络的人脸表情识别方法 被引量：4

1

作者 胡敏 余胜男 王晓华 《电子测量与仪器学报》 CSCD 北大核心 2019年第4期169-177,共9页

深度神经网络在表情分类识别中会由于样本数量不均衡,样本相似度高出现过拟合,导致识别结果不理想,而通过旋转变换、添加噪声等数据增强方法不能解决相似度较高的问题。为此,对循环一致生成对抗网络(Cycle-GAN)进行改进,通过引入类别约... 深度神经网络在表情分类识别中会由于样本数量不均衡,样本相似度高出现过拟合,导致识别结果不理想,而通过旋转变换、添加噪声等数据增强方法不能解决相似度较高的问题。为此,对循环一致生成对抗网络(Cycle-GAN)进行改进,通过引入类别约束性条件,构建一种基于约束性循环一致生成对抗网络(CCycle-GAN),实现了一对多的数据类别映射,减少了模型训练开销;同时,为了提高人脸表情识别效率,对Cycle-GAN判别器进行改进,用一个辅助表情分类器替换循环一致生成对抗网络的判别器,不仅可以判断输入图像的真假,而且可以对表情进行分类。在CK+和FER2013数据集上的实验结果表明,该方法可以有效地解决神经网络中的过拟合和样本不均问题,提高了表情样本生成质量,进而提高了人脸表情识别率。 展开更多

关键词 约束性循环一致生成对抗网络 数据增强 人脸表情识别

在线阅读 下载PDF 职称材料

基于新型循环生成对抗网络的电力系统短期负荷预测

2

作者 夏明章 姜通海 张智晟 《电气工程学报》 北大核心 2025年第2期237-244,共8页

针对提高电力系统短期负荷预测精度和预测稳定的问题,提出一种新型循环生成对抗网络(Cycle-consistent generative adversarial network,CycleGAN)。生成器和判别器分别为门控循环单元(Gated recurrent unit,GRU)和时间卷积网络(Tempora... 针对提高电力系统短期负荷预测精度和预测稳定的问题,提出一种新型循环生成对抗网络(Cycle-consistent generative adversarial network,CycleGAN)。生成器和判别器分别为门控循环单元(Gated recurrent unit,GRU)和时间卷积网络(Temporal convolutional network,TCN)。生成器使用门控循环单元神经网络,能较好地适应时序预测任务和解决模型梯度问题。判别器模型使用时间卷积神经网络,在捕捉时序任务数据中的长期依赖关系上有着较好效果,并且更有效地识别生成器生成的伪造样本与真实样本之间的差异。同时,循环生成对抗网络引入了循环一致性损失函数,可以让模型在训练过程中更为充分地学习预测规律。通过算例试验,证明所提出的新模型具有更好的预测精度和稳定性。 展开更多

关键词 短期负荷预测 门控循环单元 时间卷积神经网络 循环生成对抗网络 循环一致性损失函数

在线阅读 下载PDF 职称材料

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

3

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

基于联合一致循环生成对抗网络的人像着色 被引量：3

4

作者 刘昌通 曹林 杜康宁 《计算机工程与应用》 CSCD 北大核心 2020年第16期183-190,共8页

传统灰度图像着色方法存在颜色失真、效果不佳等问题,已逐渐被深度学习方法取代。目前基于深度学习的人像着色方法主要存在复杂背景下误着色的问题。针对上述问题,提出了联合一致循环生成对抗网络的人像着色方法。该方法在循环生成对抗... 传统灰度图像着色方法存在颜色失真、效果不佳等问题,已逐渐被深度学习方法取代。目前基于深度学习的人像着色方法主要存在复杂背景下误着色的问题。针对上述问题,提出了联合一致循环生成对抗网络的人像着色方法。该方法在循环生成对抗网络的基础上,采用联合的一致性损失训练模型;生成网络采用U型网络结构(UNet)进行改进,以提高生成图像信息的完整性;判别网络中引入多特征融合的特征提取方式,增强特征对图像的细节表达。最后通过在自建的CASIA-PlusColors高质量人像数据集中的对比实验,验证了该方法对复杂背景中的人像着色有着更好的效果。 展开更多

关键词 人像着色 联合一致循环生成对抗网络 深度学习 特征融合

在线阅读 下载PDF 职称材料

局部细粒度信息引导的双循环一致性绝缘子缺陷样本生成 被引量：2

5

作者 赵潇 李仕林 +3 位作者 李凡 余正涛 张林华 杨勇 《计算机科学》 CSCD 北大核心 2021年第S01期581-586,602,共7页

针对绝缘子缺陷样本数据缺乏,现有生成方法又要求训练样本的规模庞大,且在生成过程中绝缘子缺陷的细节常常被丢失或扭曲,提出了一种基于局部细粒度信息引导的双循环一致性绝缘子缺陷样本生成方法。该方法利用粗糙绝缘子图像作为网络输入... 针对绝缘子缺陷样本数据缺乏,现有生成方法又要求训练样本的规模庞大,且在生成过程中绝缘子缺陷的细节常常被丢失或扭曲,提出了一种基于局部细粒度信息引导的双循环一致性绝缘子缺陷样本生成方法。该方法利用粗糙绝缘子图像作为网络输入,提出通过循环一致性生成对抗方法向精细缺陷绝缘子样本学习,生成较为逼真的缺陷样本。为使生成的样本具有丰富的缺陷特征,提出将生成图像中的缺陷区域图像作为判别网络的输入,并利用对抗约束的方式引导生成网络重点关注缺陷的细粒度信息,从而进一步提升生成绝缘子缺陷样本的真实性和多样性。与现有方法相比,所提方法构建的绝缘子缺陷样本数据集具有逼真、多样化等特点,为提升绝缘子缺陷自动识别的准确性提供了重要的数据基础。 展开更多

关键词 绝缘子 样本生成 局部细粒度信息 双循环一致性 对抗式网络

在线阅读 下载PDF 职称材料

基于双专用注意力机制引导的循环生成对抗网络 被引量：1

6

作者 劳俊明 叶武剑 +1 位作者 刘怡俊 袁凯奕 《液晶与显示》 CAS CSCD 北大核心 2022年第6期746-757,共12页

现有基于循环生成对抗网络的图像生成方法通过引入独立通用的注意力模块,在无匹配图像转换任务中取得了较好的效果,但同时也增加了模型复杂度与训练时间,而且难以关注到图中关键区域的所有细节,图像生成效果仍有提升的空间。针对上述问... 现有基于循环生成对抗网络的图像生成方法通过引入独立通用的注意力模块,在无匹配图像转换任务中取得了较好的效果,但同时也增加了模型复杂度与训练时间,而且难以关注到图中关键区域的所有细节,图像生成效果仍有提升的空间。针对上述问题,提出一种基于双专用注意力机制引导的循环生成对抗网络(Dual-SAG-CycleGAN),分别对生成器和判别器采用不同的注意力机制进行引导。首先,提出一种名为SAG(Special Attention-mechanism Guided)的专用注意力模块来引导生成器工作,在提升生成图像质量的同时降低网络的复杂度;然后,对判别器采用基于CAM(Class Activation Mapping)的专用注意力机制引导模块,抑制生成器生成无关的噪声;最后,提出背景掩码的循环一致性损失函数,引导生成器生成更加精准的掩码图,更好地辅助图像转换。实验证明,本文方法与现有同类模型相比,网络模型参数量降低近32.8%,训练速度快34.5%,KID与FID最低分别可达1.13和57.54,拥有更高的成像质量。 展开更多

关键词 生成对抗网络 无匹配图像转换 专用注意力机制 循环一致性损失 图像生成

在线阅读 下载PDF 职称材料

采用双框架生成对抗网络的图像运动模糊盲去除 被引量：5

7

作者 罗琪彬 蔡强 《图学学报》 CSCD 北大核心 2019年第6期1056-1063,共8页

传统运动模糊盲去除方法需先预测模糊图像的模糊核,再复原清晰图像。而实际环境中的复杂的模糊核使此方法不能在视觉上很好地减小实际图像和复原后图像的差异,且直接将现流行的生成对抗模型应用在图像模糊盲去除任务中会有严重的模式崩... 传统运动模糊盲去除方法需先预测模糊图像的模糊核,再复原清晰图像。而实际环境中的复杂的模糊核使此方法不能在视觉上很好地减小实际图像和复原后图像的差异,且直接将现流行的生成对抗模型应用在图像模糊盲去除任务中会有严重的模式崩塌现象。因此,围绕去模糊任务的特点提出了一种端到端的生成对抗网络模型--双框架生成对抗网络。该方案不需要预测模糊核,直接实现图片运动模糊的盲去除。双框架生成对抗网络在原有CycleGan基础上将其网络结构和损失函数均作出了改进,提高了运动图像盲去除的精度,并且在样本有限情况下大幅度增强了网络的稳定性。实验采用最小均方差优化网络训练,最后通过生成网络和判别网络对抗训练获得清晰图像。在ILSVRC2015 VID数据集上的实验结果表明,该方法复原质量更高,且复原结果在后续目标检测任务中达到了更优的效果。 展开更多

关键词 生成对抗网络 运动模糊盲去除 循环一致性 条件模型

在线阅读 下载PDF 职称材料

基于改进CycleGAN网络的面部腧穴定位算法

8

作者 杨婕 高阳 +3 位作者 段郑玉 姬冰霞 张雄 上官宏 《智能系统学报》 北大核心 2025年第4期1024-1032,共9页

现有腧穴自动定位方法存在定位误差大、算法泛化能力弱、操作复杂等缺点,不能满足大规模针灸临床应用的需求。针对以上问题,提出一种适用于面部腧穴定位的改进循环一致生成对抗网络。采用双循环对抗训练机制,通过对称生成对抗网络的交... 现有腧穴自动定位方法存在定位误差大、算法泛化能力弱、操作复杂等缺点,不能满足大规模针灸临床应用的需求。针对以上问题,提出一种适用于面部腧穴定位的改进循环一致生成对抗网络。采用双循环对抗训练机制,通过对称生成对抗网络的交替迭代实现网络性能优化;针对面部图像的特点,设计内嵌腧穴信息感知块的对称编解码生成器和能够在不同感受野下处理特征的多尺度分块判别器;采用多个损失函数对腧穴定位网络进行约束。实验结果表明,所提算法可实现与人工定位视觉效果相似的结果,为面部腧穴智能定位技术的研究提供全新的视野。 展开更多

关键词 针灸 面部腧穴 智能定位 循环一致生成对抗网络 生成器 多尺度判别器 交替迭代 中医智能化

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

9

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

基于姿势引导与属性分解的人物图像生成 被引量：1

10

作者 殷歆 张战成 《计算机工程》 CAS CSCD 北大核心 2022年第11期224-230,239,共8页

生成姿势受控的人物图像要求在变换姿势条件下生成与源人物图像对应的新图像,同时新图像中人物的上衣、裤子、发型等属性需要与源人物保持一致。由于人物纹理编码和人体姿势关键点编码难以直接融合,导致生成图像中一些关键人物属性与源... 生成姿势受控的人物图像要求在变换姿势条件下生成与源人物图像对应的新图像,同时新图像中人物的上衣、裤子、发型等属性需要与源人物保持一致。由于人物纹理编码和人体姿势关键点编码难以直接融合,导致生成图像中一些关键人物属性与源图像的一致性较差,为此,建立一种循环一致性约束下的双流生成网络模型。在训练阶段,该模型在纹理编码器的输入中增加源人物的姿势条件信息,从而缩小分解组件编码的搜索空间,提高人物生成的可控粒度。设计一个融合模块将源人物的姿势信息与每一个分解组件样式码相融合以进行生成和对抗训练,同时,增加循环一致性约束,使得生成图像与隐空间更为匹配。在测试阶段,通过网络对源人物的纹理编码信息与目标的姿势编码信息分别进行编码,经过信息融合和解码获得姿势变换后的人物图像。使用DeepFashion数据集进行定性和定量测试,结果表明,该模型的峰值信噪比、感知评分、结构相似性指标分别达到31.409 dB、3.369、0.768,模型中添加的姿势引导条件和循环一致性约束能够简化属性分解的概率生成表达,使得人物生成图像的纹理更为准确,符合人类视觉感知特性。 展开更多

关键词 人物图像生成 姿势变换 生成对抗网络 人体关键点估计 人体语义分割 循环一致性

在线阅读 下载PDF 职称材料

一种基于对抗学习的仿真遥感图像生成方法

11

作者 马征 褚钧正 武鹏飞 《计算机工程与科学》 CSCD 北大核心 2023年第3期489-494,共6页

遥感图像数据标注耗时、成本高且需要专家知识,使得有标签的遥感数据难于获得,因此亟需生成有标签遥感数据的有效方法。由计算机视觉领域用于风格迁移的循环一致生成对抗网络出发,提出了一种基于深度学习,利用循环一致生成对抗网络生成... 遥感图像数据标注耗时、成本高且需要专家知识,使得有标签的遥感数据难于获得,因此亟需生成有标签遥感数据的有效方法。由计算机视觉领域用于风格迁移的循环一致生成对抗网络出发,提出了一种基于深度学习,利用循环一致生成对抗网络生成新数据集的仿真遥感图像转换方法。将源数据与生成数据视为源域与目标域,遥感图像转换可视为仿真遥感数据集的风格迁移。生成的数据集可进一步用于分类、语义分割和域适应等适用于遥感图像的常见任务。实验结果表明该方法可有效生成风格迁移的仿真遥感数据。 展开更多

关键词 仿真遥感 风格迁移 循环一致生成对抗网络 域适应

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

12

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

13

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

基于Cycle-GAN的绝缘子图像生成方法 被引量：8

14

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

一种基于CycleGAN改进的低剂量CT图像增强网络 被引量：4

15

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

双流增强融合网络微表情识别 被引量：3

16

作者 陈斌 朱晋宁 《智能系统学报》 CSCD 北大核心 2023年第2期360-371,共12页

为解决微表情识别领域数据集样本数量少,样本类型分布不均导致识别率鲁棒性差的问题,提出了一种基于双流增强网络的微表情识别模型。该模型基于单帧RGB图像流及光流图像流的双流卷积神经网络,以权威数据集为基础,数据增强为基准,构建微... 为解决微表情识别领域数据集样本数量少,样本类型分布不均导致识别率鲁棒性差的问题,提出了一种基于双流增强网络的微表情识别模型。该模型基于单帧RGB图像流及光流图像流的双流卷积神经网络,以权威数据集为基础,数据增强为基准,构建微表情识别模型。通过在SoftMax逻辑回归层融合单帧空域信息和光流时域信息,对两个独立流的网络性能进行提升,并通过引入基于带循环约束的生成对抗网络的图像生成方式对数据集进行扩充。通过将输入微表情视频帧序列进行分解,将其分割为双流网络的灰度单帧序列与光流单帧序列,对两类序列图进行数据增强,再进行微表情识别模型构建的方法,有效提高了微表情识别率。基于双流增强网络的微表情识别模型可以较好提升微表情识别准确度,鲁棒性较好,泛化状态较稳定。 展开更多

关键词 微表情 双流网络 生成对抗网络 数据增强 特征融合 模式识别 卷积神经网络 循环约束

在线阅读 下载PDF 职称材料

基于Tw_Cycle Gan的绝缘子缺陷样本自动生成技术 被引量：2

17

作者 闫志杰 张凌浩 +2 位作者 贾振堂 苏育均 赵琰 《电子测量技术》 北大核心 2021年第17期138-145,共8页

生成对抗网络(Gan)被应用于电力巡检缺陷样本生成工作以解决缺陷样本不足问题。目前基于Gan的绝缘子缺陷样本生成技术存在如下不足:依赖大量缺陷样本训练且生成量不足;生成质量较差,尺寸较小,难以供目标检测神经网络训练使用。针对上述... 生成对抗网络(Gan)被应用于电力巡检缺陷样本生成工作以解决缺陷样本不足问题。目前基于Gan的绝缘子缺陷样本生成技术存在如下不足:依赖大量缺陷样本训练且生成量不足;生成质量较差,尺寸较小,难以供目标检测神经网络训练使用。针对上述问题,提出一种基于Starganv2的风格迁移目标加权循环一致(Tw_Cycle)Gan网络,其可借助非缺陷样本训练,并依据非缺陷样本实现一对多缺陷样本生成。为保证缺陷语义不变,加入Unet分割网络,使用目标循环一致及目标掩码损失加强绝缘子目标物的约束。通过定性与定量评估,Tw_Cycle Gan取得了更好的结果。为了验证生成样本的有效性,设计了一种基于真实样本的缺陷检测实验评估方法。结果表明,使用生成缺陷样本扩增训练的同一YOLOv3目标检测算法,AP平均提升5%左右,Precision平均提升4.6%左右,Recall平均提升10%左右,F1平均提升0.083。 展开更多

关键词 生成对抗网络 小样本缺陷数据 分割网络 目标循环一致损失 目标掩码损失

在线阅读 下载PDF 职称材料

基于A-CGAN的深反射地震数据随机噪声压制方法研究 被引量：3

18

作者 韩建光 王卿 +1 位作者 许媛 刘志伟 《地质论评》 CAS CSCD 北大核心 2024年第1期228-238,共11页

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征... 基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle-Consistent Generative Adversarial Networks,A-CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle-Consistent Generative Adversarial Networks,Cycle-GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle-GAN进行改进:在Cycle-GAN的生成器(去噪器)中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle-GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。 展开更多

关键词 深反射地震数据 噪声压制 深度学习 借助循环一致生成对抗网络

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

19

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

20

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