-
题名基于低尺度细节恢复的单幅图像阴影去除方法
被引量：10
- 1
-
-
作者
吴文
万毅
-
机构
新疆理工学院信息工程系
温州大学电气与电子工程学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2020年第7期1293-1302,共10页
-
基金
浙江省科技计划基础公益研究计划(No.LGG18F040002)
浙江省自然科学基金(No.LY19F020035)。
-
文摘
为了在光照复杂、纹理丰富的图像上获得更好的去阴影效果,基于生成对抗网络提出了一种新颖的阴影去除方法.首先,所提网络中的阴影检测子网为阴影图像生成阴影掩膜,基于该检测结果提出一种光照敏感的多尺度图像分解方法,在几乎不损失光照信息的同时提取图像纹理信息;然后,蒙版生成子网为分解后的低尺度图像生成相应的蒙版用于去除其中阴影;其次,边界复原子网修复阴影边界实现友好的过渡;最后,使用自适应衰减因子引导图像进行细节恢复以得到纹理丰富的结果.实验结果表明所提方法可以有效地提高阴影去除效果.
-
关键词
图像处理
阴影去除
生成对抗网络
光照敏感
多尺度分解
-
Keywords
image processing
shadow removal
generative adversarial networks
illumination sensitive
multi-scale decomposition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多阶段生成对抗网络的单幅图像阴影去除方法
被引量：8
- 2
-
-
作者
张淑萍
吴文
万毅
-
机构
新疆理工学院信息工程系
温州大学电气与电子工程学院
-
出处
《计算机应用》
CSCD
北大核心
2020年第8期2378-2385,共8页
-
基金
浙江省基础公益研究计划项目(LGG18F040002)
浙江省自然科学基金资助项目(LY19F020035)。
-
文摘
传统的深度学习阴影去除方法常常会改变非阴影区域的像素且无法得到边界过渡自然的阴影去除结果。为了解决该问题,基于生成对抗网络(GAN)提出一种新颖的多阶段阴影去除框架。首先,多任务驱动的生成器分别通过阴影检测子网和蒙版生成子网为输入图像生成相应的阴影掩膜和阴影蒙版;其次,在阴影掩膜和阴影蒙版的引导下,分别设计全影模块和半影模块,分阶段去除图像中不同类型的阴影;然后,以最小二乘损失为主导构建一种新的组合损失函数以得到更好的结果。与最新的深度学习阴影去除方法相比,在筛选数据集上,所提方法的平衡误差率(BER)减小约4.39%,结构相似性(SSIM)提高约0.44%,像素均方根误差(RMSE)减小约13.32%。实验结果表明该方法得到的阴影去除结果边界过渡更加平滑。
-
关键词
深度学习
生成对抗网络
图像处理
阴影去除
阴影检测
-
Keywords
deep learning
Generative Adversarial Network(GAN)
image processing
shadow removal
shadow detection
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名PVID在VLAN配置中的作用及影响分析
被引量：6
- 3
-
-
作者
邵鹏飞
苗瑾超
金强山
-
机构
浙江万里学院信息与智能工程学院
新疆理工学院信息工程系
-
出处
《实验室研究与探索》
CAS
北大核心
2020年第4期113-116,共4页
-
基金
浙江省教育科学规划研究项目(2019SC320)。
-
文摘
VLAN技术在交换式以太网和无线局域网组网中得到了广泛应用。在VLAN配置中,接口VLAN设置是重要内容之一。通过多个案例分析了PVID在VLAN配置中的重要作用和影响,并基于eNSP进行了模拟实验验证。分析得出不同VLAN间实现2层互通的关键在于PVID的设置。在CAPWAP组建无线局域网、智能变电站VLAN应用等场景中,利用了trunk链路类型上PVID特性,实现了特殊的接入功能和不同VLAN间的二层数据交换。融入计算机网络课程实验教学中将有助于学生更好地理解和掌握VLAN技术。
-
关键词
虚拟局域网
接口虚拟局域网融入标记
企业网络仿真平台
-
Keywords
virtual local area network(VLAN)
port VLAN ID(PVID)
enterprise network simulation platform(eNSP)
-
分类号
TP393.1
[自动化与计算机技术—计算机应用技术]
-
-
题名基于熵驱动域适应学习的单幅图像阴影检测方法
- 4
-
-
作者
袁园
吴文
万毅
-
机构
新疆理工学院信息工程系
温州大学电气与电子工程学院
-
出处
《计算机应用》
CSCD
北大核心
2020年第7期2131-2136,共6页
-
基金
浙江省科技计划基础公益研究计划项目(LGG18F040002)
浙江省自然科学基金资助项目(LY19F020035)。
-
文摘
跨域差异常常会阻碍深度神经网络的泛化,使其不能适应不同的数据集,为了提高模型阴影检测的鲁棒性,提出了一种新颖的无监督域适应阴影检测框架。首先,为了缩小域间的数据偏差,采用分层域适应策略校准源域和目标域间从低层到高层的特征分布;其次,为了加强模型软阴影的检测能力,提出边界对抗分支以确保模型在目标数据集上同样可以得到结构化的阴影边界;然后,结合熵对抗分支进一步抑制预测结果中边界处的高不确定性,从而得到边界平滑、准确的阴影掩膜。与已有深度学习检测方法相比,所提方法在客观数据集ISTD、SBU上的平衡误差率(BER)分别降低了10. 5%、18. 75%。实验结果表明所提方法的阴影检测结果具有更好的边缘结构性。
-
关键词
非监督域适应
深度学习
图像处理
阴影检测
信息熵
-
Keywords
unsupervised domain adaptation
deep learning
image processing
shadow detection
information entropy
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
