检索结果-内蒙古大学图书馆

作者：曹一铭辽宁大学

学位级别：硕士

图像的深度估计一直是计算机视觉领域中一个重要的问题。在智能机器人、语义理解、3D场景重构和自动驾驶等方面都有着极其重要的应用。其中,从单幅图像中获取深度信息最为困难,因为不同的三维场景可以形成相似的二维图像,人类可以根据... 详细信息

图像的深度估计一直是计算机视觉领域中一个重要的问题。在智能机器人、语义理解、3D场景重构和自动驾驶等方面都有着极其重要的应用。其中,从单幅图像中获取深度信息最为困难,因为不同的三维场景可以形成相似的二维图像,人类可以根据丰富的先验知识准确地判断单幅图像的深度信息,但是这对于计算机来说是很困难的。近年来,神经网络被越来越多地应用于单幅图像深度估计领域,学者们提出了大量基于神经网络的方法。相较于传统方法,基于神经网络的方法可以得到更准确的深度估计,但其结果与真实深度图依然存在较大差距。首先,本文对单幅图像深度估计领域的国内外研究现状进行了研究与分析,发现现有的大部分单幅图像深度估计方法对于原始图像中物体的边缘信息都不能给出较为清晰的深度表示。因此,本文提出了一种基于残差稠密网络的单幅图像深度估计方法。通过将残差稠密模块引入到具有跳跃连接的编码器-解码器结构,提出了一种适用于单幅图像深度估计的残差稠密网络。同时使用双目立体图像对,实现网络的自监督训练。通过引入残差稠密模块,整个网络可以更好地获取图像的局部特征,使该方法对于物体边缘信息的提取能力得到提高。然后,通过对基于神经网络的单幅图像深度估计方法的深度估计图进行研究,发现大部分网络模型对于图像中深度梯度较小区域的特征提取能力较低,从而影响深度估计结果的准确性。因此本文提出了一种结合深层聚合的单幅图像深度估计方法。根据深层聚合理论提出了深层聚合网络,并使用深层聚合网络提高残差稠密网络高维特征的提取能力,使网络表现出对于深度梯度域的高敏感性,从而提高了该方法对于深度梯度较小区域的深度估计准确性。最后,使用KITTI数据集对本文的网络进行训练和测试,通过对比发现,本文方法可以得到优于现有的大部分方法的准确率和误差值,从而证明了本文所提出的单幅图像深度估计方法的有效性和优异性。

关键词：深度估计残差稠密网络深层聚合多尺度网络

来源：评论

学校读者我要写书评

暂无评论

视觉注意机制的注意残差稠密神经网络弱光照图像增强

引用

液晶与显示 2021年第11期36卷 1463-1473页

作者：邓箴王一斌刘立波宁夏大学信息工程学院宁夏银川750021 四川师范大学工学院四川成都610000

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... 详细信息

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

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络的CFA图像去马赛克算法

引用

计算机工程 2021年第7期47卷 249-256,265页

作者：罗静蕊王婕岳广德西安理工大学自动化与信息工程学院西安710048 西安交通大学数学与统计学院西安710049

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... 详细信息

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

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的图像压缩感知重建算法研究

基于深度学习的图像压缩感知重建算法研究

引用

作者：文祥华南理工大学

学位级别：硕士

压缩感知(compressed sensing,CS)理论可以远低于奈奎斯特采样频率对信号采样并实现高质量恢复信号,且在医学成像、信号处理、农业科学、遥感等诸多领域有着广泛的应用。但近些年来压缩感知的研究出现了瓶颈,传统的压缩感知重建算法往... 详细信息

压缩感知(compressed sensing,CS)理论可以远低于奈奎斯特采样频率对信号采样并实现高质量恢复信号,且在医学成像、信号处理、农业科学、遥感等诸多领域有着广泛的应用。但近些年来压缩感知的研究出现了瓶颈,传统的压缩感知重建算法往往需要大量迭代优化,具有较高的计算时间复杂度,且重建质量有些不如人意。因此研究高质量的重建方法迫在眉睫。近几年出现了基于深度学习的图像压缩感知重建方法,这类方法通过设计合适的卷积神经网络结构和损失函数,并使用数据集来进行监督训练,重建计算复杂度较低,且取得了较为不错的重建质量。但已提出的深度学习方法还有一些不成熟的地方,重建质量也有待提升。因此,本文分别在不同采样方式下研究了基于深度学习的压缩感知重建算法,提出了两种模型,并进行实验仿真对其性能进行评估。具体而言,本文的主要工作如下:(1)针对现有深度学习算法存在提取特征能力较差,重建质量不佳的问题,本文在ISTA-Net算法的基础上提出了一种基于残差稠密阈值网络的压缩感知重建算法。该算法的模型采用高斯随机采样矩阵进行采样并得到采样量,将采样量作为输入进行初始重建。接着使用了残差稠密模块作为深度重建网络提取特征的基础,并将其应用于其阈值约束框架中。实验结果表明,本章算法得到的重建图像质量上有明显优势,能有较好的解释性,在客观指标和主观效果均有良好表现,细节恢复效果较好。(2)考虑特定的采样矩阵有一定的缺陷,本文在CSNet算法的基础上,提出了一种基于网格网络的压缩感知重建算法。首先建立了一个较大的自然图像库作为训练集,用于数据增广。接着使用基于神经网络的采样模块进行初始采样,并使用级联的网格网络进一步优化初始重建,联合学习采样与重建不仅仅可以避免较大的计算量,可以大幅减少训练时间。此外,级联的网格网络可以提高相应的重建质量。实验结果表明,采样过程和重建过程联合训练的方式十分有效,该算法可以在保持较快运行速度的前提下保持较高的重建质量,实用性较高。

关键词：压缩感知深度学习卷积神经网络残差稠密网络网格网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的视频超分辨率重建

基于深度学习的视频超分辨率重建

引用

作者：金子毅重庆邮电大学

学位级别：硕士

超分辨率重建是图像处理方面的热门研究,对视频的超分辨率重建是其重要的分支。在实际获取图像或视频的过程中,由于设备的限制和噪声的存在,往往会导致视频分辨率和质量达不到要求。自上世纪七十年代起,大量视频超分辨率算法被提出并应... 详细信息

超分辨率重建是图像处理方面的热门研究,对视频的超分辨率重建是其重要的分支。在实际获取图像或视频的过程中,由于设备的限制和噪声的存在,往往会导致视频分辨率和质量达不到要求。自上世纪七十年代起,大量视频超分辨率算法被提出并应用,且取得了很好的效果,但超分辨率问题存在固有的不适定性,其重建结果并不唯一,因此该问题仍然需要更多研究,以获得更佳的重建效果。深度学习则是目前较为热门的人工智能技术,近些年的研究与实验结果已经表明,将深度学习应用于视频超分辨率重建是可行并有效的。本文的主要研究工作和实验内容如下。1、目前主流的超分辨率方法均基于卷积神经网络(CNN),对于包含较多不规则物体的信息难以适应。本文提出使用可变形卷积代替传统卷积核,以提取出具有几何信息的低分辨率特征图。可变形卷积通过偏移量扭曲特征图,隐式地划分出运动边界帮助图像重建。进一步根据目前应用广泛的残差结构与稠密网络,组合二者为残差稠密网络,以实现残差学习和不同精度的特征组合复用,帮助神经网络更好地学习低分辨率图到高分辨率图的非线性映射。2、针对单一图像超分辨率算法不能利用帧间信息这一问题,本文首先在现有运动估计结构的基础上,引入光流网络,通过深度学习的方式计算运动信息。进一步结合了基于重建结果的循环运动补偿结构,对当前帧与前一帧进行运动估计,将运动估计结果补偿至前一帧的重建结果,以此作为帧间信息的约束条件。整个操作都是在低分辨率维度上完成,以减少运算量,最后通过亚像素卷积的方式统一上采样到高分辨率维度。3、为了合理评价重建视频的质量,使用了PSNR、SSIM、MOVIE作为基于视觉效果的评价指标,并将重建结果可视化为视频展示。实验证明,本文提出的基于可变形卷积的循环运动补偿模型在视频超分辨率重建中取得了较好的效果。

关键词：视频超分辨率可变形卷积残差稠密网络循环运动补偿

来源：评论

学校读者我要写书评

暂无评论

双路径反馈网络的图像超分辨重建算法

引用

计算机系统应用 2020年第4期29卷 181-186页

作者：陶状廖晓东沈江红福建师范大学光电与信息工程学院福州350007 福建师范大学医学光电科学与技术教育部重点实验室福建省光子技术重点实验室福州350007 福建师范大学福建省先进光电传感与智能信息应用工程技术研究中心福州350007

图像超分辨率重建在安防系统,小目标检测以及医学图像等有着广泛的应用.本文提出一种双路径反馈网络来提高图像超分辨重建的性能.在双路径网络中,一条路径采用深度残差稠密网络学习重建图像的高频信息,另一条路径直接在输入图像上通过... 详细信息

图像超分辨率重建在安防系统,小目标检测以及医学图像等有着广泛的应用.本文提出一种双路径反馈网络来提高图像超分辨重建的性能.在双路径网络中,一条路径采用深度残差稠密网络学习重建图像的高频信息,另一条路径直接在输入图像上通过亚像素卷积层上采样到所需分辨率来给重建图像提供低频信息,然后将两条路径得到的特征图进行融合来自适应的选取所需要的信息,接着通过一个反馈型卷积层进行局部循环训练来获得大的感受野.通过在数据集DIV2K上训练,实验结果表明所提方法的有效性和优越性.

关键词：超分辨率重建双路径反馈网络残差稠密网络特征融合卷积层

来源：评论

学校读者我要写书评

暂无评论

融合文本和短视频的双模态情感分析

融合文本和短视频的双模态情感分析

引用

作者：陈敏南京邮电大学

学位级别：硕士

随着5G商用的加速落地,微博、抖音等应用迅猛发展,网络上产生了大量的由用户生成的带有文本内容的短视频。通过分析这些文本内容和短视频,可以了解广大用户对社会事件、人物、产品的看法以及舆论演化趋势,因此,多模态的情感分析已成为... 详细信息

随着5G商用的加速落地,微博、抖音等应用迅猛发展,网络上产生了大量的由用户生成的带有文本内容的短视频。通过分析这些文本内容和短视频,可以了解广大用户对社会事件、人物、产品的看法以及舆论演化趋势,因此,多模态的情感分析已成为当前一个非常热门的研究课题。然而,从网络直接获取的数据过于冗余和繁杂,不能直接应用在实际研究中,在实际研究当中可用的数据集还是比较缺乏的,并且文本和视频内容是独立存在,在进行情感分析的研究时不能对视频和本文有效地融合。针对上述问题,本文提出了如下工作:(1)针对短视频情感分析数据样本数量缺乏的问题,提出一种基于小样本学习的短视频情感分析方法。首先将数据集分为支撑集和查询集;然后分别对数据集进行视觉特征提取;再将支撑集样本提取的特征和查询集样本提取的特征进行拼接后通过度量模块计算查询集样本和支撑集样本之间的相似性;最后利用分类器预测查询集样本的类别。(2)针对数据集中存在多种模态的问题,提出一种文本、短视频的情感分析方法。在文本模态上,首先使用分词工具对文本模态数据进行预处理,然后使用词嵌入工具获得文字对应的词向量,将得到的词向量利用注意力机制的LSTM网络提取文本信息的情感特征,最后通过分类器计算文本信息在积极、中性和消极三种类别上的情感概率;在短视频模态上,采用3D残差稠密网络的视频特征提取方法,建立视频情感分类模型,采用分类器判断短视频信息的情感概率。(3)针对文本、短视频双模态的数据无法有效融合的问题,提出一种基于决策级加权融合的情感分类方法。该方法在得到双模态情感分类的识别率后,对各模态设计不同的权重,然后引入加权矩阵,最后将文本和视频两种模态的情感分类结果进行融合,建立基于双模态的决策级加权融合的情感识别模型。

关键词：情感分析注意力机制残差稠密网络决策层融合

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的彩色以及近红外图像去马赛克

引用

计算机应用 2019年第10期39卷 2899-2904页

作者：谢长江杨晓敏严斌宇芦璐四川大学电子信息学院

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... 详细信息

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

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：