检索结果-内蒙古大学图书馆

红外与激光工程 2018年第2期47卷 34-39页

作者：余思泉韩志唐延东吴成东东北大学信息科学与工程学院辽宁沈阳110000 中国科学院沈阳自动化研究所机器人学国家重点实验室辽宁沈阳110000

纹理合成是计算机图形学、计算机视觉和图像处理领域的研究热点之一。传统的纹理合成方法往往通过提取有效的特征样式或统计量并在该特征信息的约束下生成随机图像来实现。对抗生成网络作为一种较新的深度网络形式,通过生成器和判别器... 详细信息

纹理合成是计算机图形学、计算机视觉和图像处理领域的研究热点之一。传统的纹理合成方法往往通过提取有效的特征样式或统计量并在该特征信息的约束下生成随机图像来实现。对抗生成网络作为一种较新的深度网络形式,通过生成器和判别器的对抗训练能够随机生成与观测数据具有相同分布的新数据。鉴于此,提出了一种基于对抗生成网络的纹理合成方法。该算法的优点是不需要经过多次迭代就能够生成更真实纹理图像,且生成图像在视觉上与观测纹理图像一致的同时具有一定随机性。一系列针对随机纹理和结构性纹理的合成实验验证了该算法的有效性。

关键词：纹理合成深度学习生成模型对抗生成网络

来源：评论

学校读者我要写书评

暂无评论

基于对抗生成网络的缺陷定位模型域数据增强方法

引用

软件学报 2024年第5期35卷 2289-2306页

作者：张卓雷晏毛晓光薛建新常曦广州商学院信息技术与工程学院广东广州510700 重庆大学大数据与软件学院重庆401331 国防科技大学计算机学院湖南长沙410073 上海第二工业大学计算机与信息工程学院上海200127

缺陷定位获取并分析测试用例集的运行信息,从而度量出各个语句为缺陷的可疑性.测试用例集由输入域数据构建,包含成功测试用例和失败测试用例两种类型.由于失败测试用例在输入域分布不规律且比例很低,失败测试用例数量往往远少于成功测... 详细信息

缺陷定位获取并分析测试用例集的运行信息,从而度量出各个语句为缺陷的可疑性.测试用例集由输入域数据构建,包含成功测试用例和失败测试用例两种类型.由于失败测试用例在输入域分布不规律且比例很低,失败测试用例数量往往远少于成功测试用例数量.已有研究表明,少量失败测试用例会导致测试用例集出现类别不平衡问题,严重影响着缺陷定位有效性.为了解决这个问题,提出基于对抗生成网络的缺陷定位模型域数据增强方法.该方法基于模型域(即缺陷定位频谱信息)而非传统输入域(即程序输入),利用对抗生成网络合成覆盖最小可疑集合的模型域失败测试用例,从模型域上解决类别不平衡的问题.实验结果表明,所提方法大幅提升了11种典型缺陷定位方法的效能.

关键词：缺陷定位测试用例对抗生成网络数据增强可疑值

来源：评论

学校读者我要写书评

暂无评论

基于对抗生成网络的蒙特卡罗噪声去除算法

引用

模式识别与人工智能 2018年第11期31卷 1047-1060页

作者：谢川王勇超林志洁郑秋岚钱飞赵磊浙江大学计算机科学与技术学院杭州310027 杭州职业技术学院信息工程学院杭州310018 浙江科技学院信息与电子工程学院杭州310023 浙江省医学科学院保健食品研究所杭州310013

针对现有的蒙特卡罗噪声去除方法存在的高频细节丢失问题,文中提出基于对抗生成网络的蒙特卡罗噪声去除方法.设计对抗网络结构,包括全卷积网络的生成网络和深度卷积网络的判别网络,用于蒙特卡罗噪声的去除.除了加入包括图像像素颜色外... 详细信息

针对现有的蒙特卡罗噪声去除方法存在的高频细节丢失问题,文中提出基于对抗生成网络的蒙特卡罗噪声去除方法.设计对抗网络结构,包括全卷积网络的生成网络和深度卷积网络的判别网络,用于蒙特卡罗噪声的去除.除了加入包括图像像素颜色外的多维辅助特征作为网络输入以外,还采用包含平滑损失在内的新的损失函数和基于法向量方差和梯度大小相似度偏差的图像局部重要性采样技术用于网络训练.实验表明,文中方法在去除蒙特卡罗噪声时不仅可以取得不错的量化指标,而且还保留图像的高频细节特征.

关键词：蒙特卡罗噪声对抗生成网络深度学习图像去噪高真实感绘制

来源：评论

学校读者我要写书评

暂无评论

基于对抗生成网络的时序脑功能网络预测方法

引用

太原理工大学学报 2023年第5期54卷 830-837页

作者：王子健薛家玥杨鹏飞李艺茹相洁太原理工大学信息与计算机学院山西晋中030600

【目的】通过实现脑功能网络的预测,为研究脑功能网络的变化演化规律提供参考。【方法】建立基于对抗生成网络的时序脑功能网络的链路预测模型,通过图卷积和长短期记忆网络分别捕捉脑功能网络的拓扑特征和时序特征,通过全连接层进行特... 详细信息

【目的】通过实现脑功能网络的预测,为研究脑功能网络的变化演化规律提供参考。【方法】建立基于对抗生成网络的时序脑功能网络的链路预测模型,通过图卷积和长短期记忆网络分别捕捉脑功能网络的拓扑特征和时序特征,通过全连接层进行特征融合,实现脑功能网络的预测。【结果】所提出的脑功能网络预测方法在两种不同的静息状态功能性磁共振成像数据上,预测AUC为0.95,MAP为0.92,与其他的链路预测模型相比较,该方法在脑功能网络上可以达到较好的预测效果。对脑功能网络的准确预测,在脑网络解码和脑机接口领域具有广泛的应用前景。

关键词：对抗生成网络时序链路预测图卷积功能磁共振

来源：评论

学校读者我要写书评

暂无评论

一种基于渐进增长对抗生成网络的火星样本生成方法

引用

空间控制技术与应用 2021年第6期47卷 70-76页

作者：代磊王颖李华伟李晓维中国科学院计算技术研究所北京100190 中国科学院大学北京100049

对抗生成网络的发展为图像生成等传统领域带来了很大进步,通过使用较少样本训练对抗生成网络,可以学习到特定图像类别的特征,进而能够增广样本应用于场景测试、其他网络训练等多种任务.本工作探索了在较少量的火星训练样本的基础上,针... 详细信息

对抗生成网络的发展为图像生成等传统领域带来了很大进步,通过使用较少样本训练对抗生成网络,可以学习到特定图像类别的特征,进而能够增广样本应用于场景测试、其他网络训练等多种任务.本工作探索了在较少量的火星训练样本的基础上,针对直接使用GAN生成样本存在特征因平均化而不明显且类别较少的模式崩塌问题,基于渐进增长对抗生成网络,提出了一种聚类-训练-生成协同的火星样本生成方法.实验结果表明,与直接利用渐进增长对抗生成网络的基线方法相比,本工作生成效果得到了提升.

关键词：对抗生成网络样本生成数据增强模式崩塌

来源：评论

学校读者我要写书评

暂无评论

基于对抗生成网络的沥青路面纹理图像修复方法

引用

武汉理工大学学报（交通科学与工程版） 2022年第6期46卷 1078-1084页

作者：邓海斌魏唐中杜银飞湖州市公路与运输管理中心湖州313000 南京兴佑交通科技有限公司南京210008 中南大学土木工程学院长沙410083

文中针对低分辨率、高斯模糊和运动模糊三种常见问题,提出了基于对抗生成网络的路面纹理图像修复方法.在生成器损失函数中增加了感知损失和基于灰度共生矩阵(GLCM)的纹理特征损失项,更好地还原路面纹理的细节.通过主观判断和基于峰值信... 详细信息

文中针对低分辨率、高斯模糊和运动模糊三种常见问题,提出了基于对抗生成网络的路面纹理图像修复方法.在生成器损失函数中增加了感知损失和基于灰度共生矩阵(GLCM)的纹理特征损失项,更好地还原路面纹理的细节.通过主观判断和基于峰值信噪比及结构相似性的综合指标来衡量模型的修复效果.结果表明:损失函数中增加了GLCM纹理特征的模型生成结果更好,可见GLCM纹理特征的提取有利于生成器学习到纹理的细节特征,有助于路面图像的修复.

关键词：道路工程路面纹理图像修复对抗生成网络沥青路面模糊修复超分辨率

来源：评论

学校读者我要写书评

暂无评论

基于对抗生成网络与BP神经网络的低压台区线损率预测

引用

浙江电力 2019年第10期38卷 46-51页

作者：方舟裘炜浩季超夏鹏飞龚康家周后盘国网浙江省电力有限公司信息通信分公司杭州310007 杭州电子科技大学杭州310018

线损电量产生于发电、输电、配电及用电等环节,线损电量占供电量的百分比称为线损率。针对线损率预测问题,提出了一种基于对抗生成网络与BP神经网络的低压台区线损率预测模型。选取某市低压台区线损数据作为实验数据集,经数据预处理后,... 详细信息

线损电量产生于发电、输电、配电及用电等环节,线损电量占供电量的百分比称为线损率。针对线损率预测问题,提出了一种基于对抗生成网络与BP神经网络的低压台区线损率预测模型。选取某市低压台区线损数据作为实验数据集,经数据预处理后,通过K-Means++算法将低压台区分类,对不同类别的低压台区分别训练对抗生成网络来增加不同类别的样本数据,利用不同类别样本数据分别训练BP神经网络搭建低压台区线损预测模型。实验结果表明,与传统BP神经网络模型相比,该预测模型具有更加准确的效果,通过对抗网络增加样本数据可以有效改善低压台区线损数据量偏小的问题。

关键词：线损率预测对抗生成网络 BP神经网络 K-Means++算法

来源：评论

学校读者我要写书评

暂无评论

一种气温降尺度的半循环对抗生成网络

引用

福建师范大学学报（自然科学版） 2024年第1期40卷 87-95页

作者：黎瑞泉翁彬陈家祯黄添强游立军福建师范大学计算机与网络空间安全学院福建福州350117 数字福建大数据安全技术研究所福建福州350117 福建省公共服务大数据挖掘与应用工程技术研究中心福建福州350117 福建省气象信息中心福建福州350007 福建省灾害天气重点实验室福建福州350007

提出了一种半循环对抗生成降尺度模型,应用于ERA5再分析全球气候地表温度数据在中国及其周边地区的降尺度,该模型引入了重建生成器网络和退化生成器网络,采用对抗损失和半循环损失来优化降尺度结果。通过消融实验验证了该模型的有效性... 详细信息

提出了一种半循环对抗生成降尺度模型,应用于ERA5再分析全球气候地表温度数据在中国及其周边地区的降尺度,该模型引入了重建生成器网络和退化生成器网络,采用对抗损失和半循环损失来优化降尺度结果。通过消融实验验证了该模型的有效性。结果表明,与传统的插值方法以及其他深度学习模型相比,该模型在客观评价指标上有所提高,所生成的地表温度数据细节更加丰富。

关键词：对抗生成网络降尺度深度学习

来源：评论

学校读者我要写书评

暂无评论

基于残差密集融合对抗生成网络的PET-MRI图像融合

引用

河南师范大学学报（自然科学版） 2024年第1期52卷 74-83,I0005页

作者：刘尚旺杨荔涵河南师范大学计算机与信息工程学院智慧商务与物联网技术河南工程实验室河南新乡453007

为了增强核磁共振与正电子发射断层扫描图像融合的纹理细节,摆脱人工设计融合规则对先验知识的依赖.提出了自适应的残差密集生成对抗网络(adaptive dense residual generative adversarial network,ADRGAN)来融合两种模态的医学图像.ADR... 详细信息

为了增强核磁共振与正电子发射断层扫描图像融合的纹理细节,摆脱人工设计融合规则对先验知识的依赖.提出了自适应的残差密集生成对抗网络(adaptive dense residual generative adversarial network,ADRGAN)来融合两种模态的医学图像.ADRGAN设计了区域残差学习模块与输出级联生成器,在加深网络结构的同时避免特征丢失;然后,设计了基于自适应模块的内容损失函数,强化输出融合图像的内容信息;最后,通过源图像的联合梯度图与融合图像的梯度图构建对抗性博弈来高效训练生成器与鉴别器.实验结果表明,ADRGAN在哈佛医学院MRI/PET数据集的测试中峰值信噪比和结构相似度分别达到55.2124和0.4697,均优于目前最先进的算法;所构建的模型具有端对端和无监督两特性,无需人工干预,也不需要真实数据作为标签.

关键词：深度学习对抗生成网络多模态图像融合密集残差网络

来源：评论

学校读者我要写书评

暂无评论

基于对抗生成网络的复原面貌真实感处理

引用

西北大学学报（自然科学版） 2021年第5期51卷 742-749页

作者：王跃进耿国华郭沛瑶拓东成景云鹏朱新懿刘晓宁西北大学文化遗产数字化国家地方联合工程研究中心陕西西安710127 西北大学信息科学与技术学院陕西西安710127

由于颅骨面貌数据较少,现有颅面复原方法获得面貌模型具有一定局限性,复原结果仅含有物理几何信息,缺纹理、睁眼状态等真实感信息,这些信息缺失均影响进一步颅骨身份识别。该文提出了一种基于对抗生成网络的P-GAN来重现逼真面貌。针对Pi... 详细信息

由于颅骨面貌数据较少,现有颅面复原方法获得面貌模型具有一定局限性,复原结果仅含有物理几何信息,缺纹理、睁眼状态等真实感信息,这些信息缺失均影响进一步颅骨身份识别。该文提出了一种基于对抗生成网络的P-GAN来重现逼真面貌。针对Pix2Pix(image-to-image translation)网络复原面貌的真实感不足,文中基于Pix2Pix网络提出一种P-GAN网络将复原面貌进行真实感处理,在Pix2Pix基础上添加面貌约束网络P-net。使用VGG16(visual geometry group)提取面貌特征,使用SE-Block(sequeze and excitation)加强网络收敛,使用Face++来挑选最相似样本。网络输入为复原面貌图像与真实人脸图像,Contrastive loss和Triplet loss结合作为损失函数,将复原面貌数据Frankfurt校正与归一化后,输入P-GAN网络获取真实感复原面貌。

关键词：面貌真实感对抗生成网络 P-GAN网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：