检索结果-内蒙古大学图书馆

信息记录材料 2025年第2期26卷 221-223页

作者：吉宇山西金融职业学院山西太原030008

本研究聚焦于一种基于深度卷积神经网络的图像风格转换方法,并引入有限内存BFGS(limited-memory Broyden-Fletcher-Goldfarb-Shanno,L-BFGS)优化算法对模型进行优化以提升转换效果。首先,针对传统的图像风格转换方法,探讨如何利用该网... 详细信息

本研究聚焦于一种基于深度卷积神经网络的图像风格转换方法,并引入有限内存BFGS(limited-memory Broyden-Fletcher-Goldfarb-Shanno,L-BFGS)优化算法对模型进行优化以提升转换效果。首先,针对传统的图像风格转换方法,探讨如何利用该网络捕捉并迁移图像的风格特征,同时保持图像的内容信息。其次,采用L-BFGS方法精细调整网络参数,以实现更高效的风格迁移过程。最后,构建一个包含2000个样本的图像数据集,并利用矩阵实验室实现模型训练与测试。结果表明,本方法在图像内容保留、风格一致性、图像质量等方面均表现出显著优势。

关键词：深度学习卷积神经网络风格转换图像特征

来源：评论

学校读者我要写书评

暂无评论

基于风格转换的无监督聚类行人重识别

引用

智能系统学报 2021年第1期16卷 48-56页

作者：张智毕晓君哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001 中央民族大学信息工程学院北京100081

无监督行人重识别中源域与目标域间的巨大差异性是影响模型性能的最关键因素。基于聚类的无监督行人重识别方法挖掘目标域数据间的相似性,以此缓解该问题,但仍未消除域间差异性。本文提出一种基于风格转换的无监督聚类行人重识别方法。... 详细信息

无监督行人重识别中源域与目标域间的巨大差异性是影响模型性能的最关键因素。基于聚类的无监督行人重识别方法挖掘目标域数据间的相似性,以此缓解该问题,但仍未消除域间差异性。本文提出一种基于风格转换的无监督聚类行人重识别方法。首先,针对基于聚类方法的模型存在受域间差异性影响的问题,将一种基于生成对抗网络的风格转换方法引入到聚类方法模型中,将源域数据转换为目标域风格数据,直接减小域间差异性,提升模型的识别性能。其次,针对风格转换模型的生成器存在转换尺度单一以及特征信息传递效率低的问题,使用一种新型残差块替换原始残差块并将其引入到生成器上采样和下采样中,形成多特征尺度转换以及信息传递效率高的生成器,提升风格转换效果,降低域间差异性,进一步提升整体模型的识别效果。在Market1501以及Duke-MTMC-re ID数据集上对所提的算法进行实验,结果表明改进方法取得了更好的识别效果。

关键词：机器视觉行人重识别无监督聚类风格转换生成对抗网络残差块跨域

来源：评论

学校读者我要写书评

暂无评论

证券投资基金的择时与风格转换——基于市场流动性视角的研究

引用

金融论坛 2019年第4期24卷 58-70页

作者：高金窑王庆瑜山东大学经济学院金融系国家工业信息安全发展研究中心

本文在四因子模型基础上实证研究中国证券投资基金的流动性择时能力与风格转换能力。结果表明,中国的证券投资基金不具有流动性择时能力,同时也不具有市场收益择时能力与市场波动择时能力;但是中国的证券投资基金表现出显著的流动性风... 详细信息

本文在四因子模型基础上实证研究中国证券投资基金的流动性择时能力与风格转换能力。结果表明,中国的证券投资基金不具有流动性择时能力,同时也不具有市场收益择时能力与市场波动择时能力;但是中国的证券投资基金表现出显著的流动性风格转换能力;市场流动性好时证券投资基金倾向于提高大盘股和价值凤的权重,降低小盘股和成长股的权重。

关键词：证券投资基金市场流动性择时能力风格转换

来源：评论

学校读者我要写书评

暂无评论

历代书法风格转换与书法创新分析

引用

艺术百家 2012年第S2期28卷 281-282,280页

作者：曹云鹏江苏省镇江新区书画家协会江苏镇江212132

书法作为一门集美学价值和美学特征相结合的艺术,已经有3000年的历史。它是民族文化的载体,也是时代文化的反映,通过对历代书法的研究分析可知,自古至今,无论是审美角度的变化,还是字体结构的改变,书法所进行的转换和创新,都是在原始汉... 详细信息

书法作为一门集美学价值和美学特征相结合的艺术,已经有3000年的历史。它是民族文化的载体,也是时代文化的反映,通过对历代书法的研究分析可知,自古至今,无论是审美角度的变化,还是字体结构的改变,书法所进行的转换和创新,都是在原始汉字结构的基础上进行的,从而形成了独具特色与美感的经典文化艺术。

关键词：书法艺术书法史书法创作风格转换理论创新

来源：评论

学校读者我要写书评

暂无评论

基于风格转换注意的循环一致风格转换

引用

河北科技大学学报 2024年第3期45卷 328-340页

作者：张蕊儿边晓航刘思远刘滨李建武罗俊祁明月沈阳师范大学美术与设计学院辽宁沈阳110034 郑州电子信息职业技术学院河南郑州451450 北京理工大学计算机学院北京100081 河北科技大学经济管理学院河北石家庄050018 河北神玥软件科技股份有限公司河北石家庄050200 河北阅思信息科技有限公司河北石家庄050022

为了解决现有艺术风格转换方法难以同时高质量保持图像内容和转换风格模式的问题,引入一种新颖的风格转换注意网络(style-transition attention network, STANet),其包含2个关键部分:一是非对称注意力模块,用于确定参考图像的风格特征;... 详细信息

为了解决现有艺术风格转换方法难以同时高质量保持图像内容和转换风格模式的问题,引入一种新颖的风格转换注意网络(style-transition attention network, STANet),其包含2个关键部分:一是非对称注意力模块,用于确定参考图像的风格特征;二是循环结构,用于保存图像内容。首先,采用双流架构,分别对风格和内容图像进行编码;其次,将注意力模块无缝集成到编码器中,生成风格注意表征;最后,将模块放入不同的卷积阶段,使编码器变成交错式的,促进从风格流到内容流的分层信息传播。此外,提出了循环一致损失,强制网络以整体方式保留内容结构和风格模式。结果表明:编码器优于传统的双流架构,STANet能用于交换具有任意风格的2幅图像的风格模式,合成更高质量的风格化图像,同时更好地保留了各自的内容。提出的带有风格转换注意的风格转换循环网络,模型风格化图像的内容细节更多,在泛化到任意风格方面获得了良好的效果。

关键词：图像内容风格转换风格恢复神经注意力循环网络

来源：评论

学校读者我要写书评

暂无评论

基于风格转换网络的视线追踪技术研究

基于风格转换网络的视线追踪技术研究

引用

作者：王辉中国科学院大学(中国科学院西安光学精密机械研究所)

学位级别：博士

视线追踪技术是通过机械或光学手段计算他人的视觉注意力的技术,是分析人们的注意力分布和喜好的最直接、定量的方法。近年来,视线追踪技术已经逐步成为人机交互领域的热门研究话题之一。视线追踪技术目前已经广泛应用于人机交互、视觉... 详细信息

视线追踪技术是通过机械或光学手段计算他人的视觉注意力的技术,是分析人们的注意力分布和喜好的最直接、定量的方法。近年来,视线追踪技术已经逐步成为人机交互领域的热门研究话题之一。视线追踪技术目前已经广泛应用于人机交互、视觉注意力分析、广告学、心理学、医学、人的能效研究等多个领域,与人们的生活息息相关。因此研究精确高效的视线追踪系统具有十分重要的意义。从上世纪七十年代开始,研究者们已经提出了多种多样的方法来检测眼球的运动轨迹,如巩膜搜寻线圈法、眼电图法、角膜反射法等。但是现有的视线追踪算法大多存在如下问题:(1)需要使用多个高分辨率近红外相机与近红外主动光源。视线追踪硬件设置结构复杂、成本昂贵并且使用场景受到限制;(2)视线追踪算法的精确度严重依赖于采集到的眼睛图像的分辨率,在低分辨率眼睛图像和眼睛受到遮挡的情况下视线追踪算法的精确度和稳定性严重降低。针对上述视线追踪算法中存在的问题与不足之处,本文研发了针对不同应用场景的多种低成本视线追踪系统,并提出了结合个人校准的基于深度学习技术的视线追踪算法。本文的主要研究方向包括:1.针对于可见光下基于机器学习的视线追踪算法中存在的小样本问题和手动标注存在误差的问题,本文建立了可见光虚拟眼睛数据集Unity Eyes图像数据集(23011张图像),高分辨率亚洲人近红外眼睛图像和可见光图像相匹配的标注眼睛虹膜中心数据集IVME数据集(78252张图像)以及高分辨率亚洲人视线追踪数据集KLBS-eye数据集(15350张图像)。创新性提出了提取近红外眼睛图像下的眼睛特征作为可见光图像下眼睛标签的新的标签标注方式,提升标注精度的同时避免了人工标记的误差,为后续建立准确的虹膜中心定位算法和视线追踪算法提供了基础。2.快速高效准确的眨眼检测是探索稳定的视线追踪技术的先决条件。本文将提取到的不同的特征(原始图像、LBP特征、XY映射特征、HOG特征)与不同的分类器(岭回归模型、支持向量机、级联分类器、堆叠式自动编码器和卷积神经网络)进行结合,在ZJU眨眼数据集上比较了它们之间的性能。实验结果表明基于方向梯度直方图特征的自动编码器模型取得了94.75%的准确率,优于对比算法。小而高效的岭回归模型可以很好地检测眼睛的闭合度,在所有算法中计算速度最快。最后基于岭回归模型眨眼检测算法建立了驾驶员疲劳检测系统。3.在近红外光源下瞳孔和虹膜之间有明显的分界限,而在可见光环境下瞳孔和虹膜之间没有明显边缘。虹膜又常被上下眼皮遮挡导致虹膜中心无法准确。针对这一问题,本文提出一种基于风格转换网络的可见光下虹膜中心定位算法。该算法使用改进之后的Unet网络结构将可见光图像转化为近红外眼睛图像并生成热度图像预测虹膜中心。进行了测试。相比于其他算法,本文所提的算法在5个像素误差以内的表现在IVME数据集和I-SCIAL-DB数据集上达到了75%和84%,均优于其他方法(IVME 64%,I-SCIAL-DB83%)。最后本节在提出的可见光下虹膜中心定位算法的基础上建立了一套可见光下基于模型的视线追踪系统,在允许被试头部自由移动的情况下,相比于其他算法视线估计误差从1.63°降低至1.50°,提升了8.7%。4.为了解决基于模型的视线追踪算法需要额外的近红外摄像头和近红外光源,并严重依赖于图像质量的问题,本文基于KLBS-eye数据集提出了一种基于深度学习的结合个人校准的可见光下视线追踪算法。该算法采用了以残差神经网络为基础,使用风格转换技术将虚拟图像转换为真实图像的风格解决了机器学习的小样本问题,并引入个人参数校准,可以让网络学习用户个体化信息。实验结果表明提出的算法在MPIIGaze数据集、UTMultiview数据集和KLBS-eye数据集上视线追踪误差可以降低到2.55°、3.40°和0.59°,均优于现有方法(MPIIGaze 2.76°,UT-Multiview 4.24°,KLBS-eye 1.56°)。本文以快速眨眼检测技术为切入点,提出了可见光下的虹膜中心定位算法以及基于模型和基于外观的视线追踪算法,并建立了针对于可见光应用场景的视线追踪系统。本文还建立了针对于亚洲人的虹膜中心定位和视线追踪数据库,为可见光下针对于亚洲人的视线追踪技术研究提供了基础。

关键词：视线追踪基于模型深度学习风格转换个人校准

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风格转换算法研究

基于深度学习的图像风格转换算法研究

引用

作者：梁志旭沈阳理工大学

学位级别：硕士

图像风格转换是一种可以将某种特定艺术风格图像的纹理信息转移到另一张自然图像上,使原自然图像在保持语义内容基本不变的同时具备该特定艺术风格的纹理特征的技术。现如今深度学习凭借其优秀的学习能力和图像处理能力在计算机视觉领... 详细信息

图像风格转换是一种可以将某种特定艺术风格图像的纹理信息转移到另一张自然图像上,使原自然图像在保持语义内容基本不变的同时具备该特定艺术风格的纹理特征的技术。现如今深度学习凭借其优秀的学习能力和图像处理能力在计算机视觉领域成为了最热门的方向。本文基于深度学习方法,针对图像风格转换算法做了一些研究。本文首先介绍了目前风格转换算法在计算机视觉应用中的研究价值和国内外研究成果及发展趋势。解释了传统算法的局限性,重点介绍了当前各种基于深度学习的图像风格转换算法的关键技术并对比分析了各自的优劣势及应用场景。最后介绍了本文设计出的一种多尺度特征融合网络,这种网络将多尺度特征信息融合完成风格转换任务,在细节上实现了更好的风格转换效果。本文所设计的多尺度特征融合风格转换算法主要针对深层次卷积不可避免的丢失一些局部信息,所以考虑将不同层次卷积结果加权解码,具体工作如下:（1）利用由卷积神经网络构成的编码器网络获取不同尺度的内容特征图与风格特征图,编码器结构采用预训练网络VGG从conv11到conv41的部分,将内容和风格特征图在conv21、conv31与conv41处的特征激活全部输出,为多尺度特征融合做准备。（2）利用白化着色变换算法对获取到的不同尺度内容特征图和风格特征图在各尺度空间中进行特征变换,使内容特征图分布与风格特征图匹配,得到不同尺度的融合特征图。为了防止内容和风格特征图中噪声对彼此特征变换时的影响,利用奇异值分解算法将特征值较小的信息去除,这样在不影响图像整体特征的同时避免了图像中可能存在的噪声对图像特征变换的影响。（3）将不同尺度的融合特征图从不同位置加权送入由本文设计的解码器网络。解码器最终将多尺度融合特征图还原回原始图像空间,完成风格转换。

关键词：风格转换深度学习图像特征卷积网络

来源：评论

学校读者我要写书评

暂无评论

上市型开放式基金风格转换对业绩压力的影响研究

上市型开放式基金风格转换对业绩压力的影响研究

引用

作者：刘燕山东科技大学

学位级别：硕士

目前，我国关于基金投资风格领域的研究不断，但是一直未形成统一的定义标准，使得基金的投资风格时常发生转变，基金投资者和管理者无法及时了解基金经理的投资行为;此外基金市场规模不断扩大，竞争日益激烈，给基金经理带来了不小的... 详细信息

目前，我国关于基金投资风格领域的研究不断，但是一直未形成统一的定义标准，使得基金的投资风格时常发生转变，基金投资者和管理者无法及时了解基金经理的投资行为;此外基金市场规模不断扩大，竞争日益激烈，给基金经理带来了不小的竞争压力，压力之下，基金经理的风格投资方向就更加难以捕捉。但是基金学术界认为基金投资风格与基金业绩压力存在一定的关系，转换基金风格会影响到基金业绩的变化，进而影响基金经理面临的业绩压力。但时至今日基金投资风格转换对业绩压力的影响仍处于研究阶段，未有明确的解释，投资者难以根据基金投资风格作出准确的投资判断。　　基于此，本文选取上市型开放式基金(ListedOpen-endedFund，简称LOF)10年的数据，利用Carhan四因素模型检验我国上市型开放式基金市场是否存在风格转换现象，并以基金投资风格为切入点探究基金风格转换对业绩压力的影响路径，构建以基金风险为中介的中介效应模型，并进一步做异质性分析研究在不同的市场行情下基金风格转换对业绩压力的影响。通过研究发现:我国上市型开放式基金市场存在风格转换现象，基金风格转换可以减小基金经理面临的业绩压力并且这种影响可以通过基金风险进行传导，同时，发现在不同的市场行情下基金风格转换对业绩压力的影响存在差异，在市场高涨阶段基金风格转换可以显著缓解基金经理的业绩压力，相反，在市场低迷阶段缓解效果不显著。最后利用Fama-French三因素模型对研究时段内的样本基金的实际投资风格重新识别并进行稳定性检验。基于以上研究，根据实证结论为投资者投资决策提供重要参考，为基金公司或者基金经理的投资管理提供依据。

关键词：上市型开放式基金风格转换业绩压力基金风险四因素模型

来源：评论

学校读者我要写书评

暂无评论

基于相机风格转换的行人再识别

引用

电子测量技术 2022年第12期45卷 120-126页

作者：邓杰王旭智万旺根上海大学通信与信息工程学院上海200072 上海大学智慧城市研究院上海200072

不同相机间的风格变化是行人再识别领域的一个重要挑战,为了平滑相机风格差异,丰富行人样本的多样性,本文通过风格转换方法显式学习相机间的不变特征。具体来说,利用循环一致性生成对抗网络为每个行人生成具有其他相机风格的转换图像,... 详细信息

不同相机间的风格变化是行人再识别领域的一个重要挑战,为了平滑相机风格差异,丰富行人样本的多样性,本文通过风格转换方法显式学习相机间的不变特征。具体来说,利用循环一致性生成对抗网络为每个行人生成具有其他相机风格的转换图像,并与原始样本一起组成增强数据集进行训练;另外,本文使用注意力机制对特征通道进行重新加权以提取更具判别力的行人外观特征,最后使用多任务损失对再识别网络进行监督训练。实验结果表明,本文方法在公开数据集Market1501和DukeMTMC-reID上的mAP和top-1指标分别达到了86.5%,95.1%以及77.1%,87.2%,优于现有算法。相机风格转换作为一种数据增强方法,有效扩充了数据集并降低了人工标注成本,同时提升了在多摄像机场景下的识别准确性。

关键词：行人再识别风格转换循环一致性生成对抗网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的快速风格转换算法研究

基于深度学习的快速风格转换算法研究

引用

作者：李浩宇华南理工大学

学位级别：硕士

风格转换旨在保留内容图片的原始语义不变的前提条件下,利用风格图片的纹理风格对内容图进行重新的渲染。它不仅可以满足人们对美和艺术的需求,也广泛应用于艺术画作生成、视频制作、游戏场景设计等多个领域。风格转换算法利用人工智能... 详细信息

风格转换旨在保留内容图片的原始语义不变的前提条件下,利用风格图片的纹理风格对内容图进行重新的渲染。它不仅可以满足人们对美和艺术的需求,也广泛应用于艺术画作生成、视频制作、游戏场景设计等多个领域。风格转换算法利用人工智能技术,加快了艺术作品的创作速度,具有广阔的应用前景。近年来,基于深度学习的风格转换算法取得了重大进展,但是仍然存在一些不足。大多数的算法很难生成高质量的风格化结果图,且模型参数庞大,计算效率较低。本文针对这些问题,基于深度学习,对风格转换算法进行研究。本文的主要内容如下:(1)提出了一种基于子像素卷积的快速单风格转换算法。主流的单网络单风格算法在高分辨率图像上较难兼顾转换质量和转换速度,本文提出的基于子像素卷积的快速单风格转换算法,该算法利用子像素卷积和后置归一化的密集连接结构,利用去除冗余细节信息的低分辨率的内容图片,直接重构出高分辨率的风格化结果图。由于密集连接结构能够更好的捕获多尺度特征,提高特征利用率,从而可以使用更少的参数达到相同的效果。实验结果表明,在高分辨率图像上,本章提出的算法不仅可以实现高质量的风格转换,而且网络参数更少,风格化速度更快,效率更高。(2)提出了一种基于多尺度融合和压缩注意力的任意风格转换算法。主流的任意风格转换算法在多尺度建模上仍然不够高效,且模型参数量庞大。本文提出的多尺度融合和压缩注意力模块可以更好地对内容和风格编码器进行多尺度特征的建模,从而利用一个注意力机制便可以很好的融合编码网络的多个尺度的特征。此外,该算法利用多尺度对特征空间进行有效的压缩,从而提高计算效率。同时,我们还设计了一个参数更少、更加轻量的编码网络来进行内容和风格特征编码。实验结果表明,在相同条件下,本章所提的算法不仅可以实现高质量的风格转换,而且网络参数和计算量更少,算法效率更高。本文的研究内容同时兼顾风格化结果图的质量和算法效率,具有较高的应用价值。

关键词：深度学习风格转换多尺度注意力机制

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：