基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。     

金字塔探秘所揭示的谜团

在全世界几亿双眼睛的注视下,胡夫金字塔里那扇神秘之门被钻了一个洞,一架摄像机伸了进去,电视台的解说员在不遗余力的渲染,让大家猜测里面到底是什么。结果呢——却是发现了另一扇门。     

探秘世界7大谜团

2002年9月，由美国研制的“金字塔漫游者”机器人对胡夫金字塔王后殡室南通道进行了探测，141个国家的1亿多人坐在电视机前观看了胡夫金字塔的考古发掘工作。一个小机器人通过了埃及最大的金字塔内一条狭窄的通道，试图揭开4600年前的秘密。它的探秘之行以发现了又一道封闭的石门而告终。     

悬而未解的古埃及之谜

从荷伦希布法老的“备用”墓穴到欧希里恩让人费解的“蓄水池”，从胡夫金字塔新发现的密室到丹德拉神秘莫测的“灯”：对于所有这些古埃及遗迹，至今还没有找到令人信服的解释。     

对拉普拉斯金字塔和对比度金字塔图像融合方法的性能比较

图像融合作为信息融合的一个重要领域 ,已经广泛应用于遥感、计算机视觉、医学、军事目标探测和识别等方面。因此 ,探索有效的图像融合算法是当前的热点课题。近年来有不少学者提出了各种图像融合的方法 ,归结起来占主流的是源于多分辨率的方法 ,这类方法一大类是基于图像的高斯金字塔分解 ,然后派生出拉普拉斯金字塔 ,对比度金字塔等 ;另一大类是基于小波分解的算法 ,基本思想是把图像分解到不同分辨率下的一系列子图像 ,其中每一级包含一个包含了低频信息的模糊子图像和三个行、列、对角线方向上的高频细节子图像。这两类方法的共同之处都是在不同的分辨率下各自按一定的规则融合 ,得到一个融合后的图像序列 ,然后重构图像。虽然这些方法在实用中效果很好 ,但是目前还没有对各类图像融合都普遍适用的理想方法 ,因此对不同方法的融合效果进行主观和客观的评价是重要的。图像融合效果的评价也是一个目前讨论的热点问题 ,目前融合效果的评价有主观视角效果评价和客观指标评价两种 ,首先应进行详细的主观评价 ,因为到目前为止还没有能非常准确描述融合质量的客观物理指标 ,在某些情况下可以通过融合图像和标准图像比较来评价融合效果 ,但是在大多数情况特别是实际应用中 ,标准图像几乎是不可能存在的 ,所     

新式个人金字塔饮食法

最近,美国农业部新推出新的个人金字塔饮食法,为每个人量身订制饮食原则,让吃不再是一种罪恶,而且要求民众每天至少做30min的运动,这样可降低罹患慢性疾病的概率。目前已有许多研究显示,只通过饮食控制并不能解决所有的问题,必须把运动列入日常生活中。要通过饮食吃得健康,必须     

基于特征塔集的遥感图像融合方法

提出了图像特征塔集的概念，给出了一种基于特征塔集的融合方法．算法主要包含两部分，子图像的融合及对应残差图像的融合．图像的大部分能量和信息包含在子图像中，因此，在图像金字塔的子图像融合过程中，特征塔集的构造由局部能量和局部熵组成．考虑到残差金字塔包含了原始图像的边缘或高频成分，因此采用梯度作为其融合特征．最终的融合结果，可利用金字塔反变换获得．由于将残差金字塔也引入到融合算法的设计过程中，因此融合的精度得到一定的提高，另外，采取简单的金字塔可以有效地控制算法的复杂度．实验结果表明了算法的合理性和有效性．     

金字塔教学模式在大学英语分级教学B班课程设计之初探

大学英语分级教学已经实行了多年,教学上基本遵循了"分类指导、因材施教"原则(教育部高等教育司,2007:1),体现了以人为本,以学生为主体的教学理念,与传统的自然班教学相比取得了明显的效果,但针对大学生英语水平结构仍然极不平衡,个体差异较大,尤其分类教学中B级班教学中教师面临更大困难,该文引入金字塔原理就B级班如何选择教材,层级教学如何具体设计及实施,结合自身教学实践进行了创新性探讨。     

一种基于四叉树划分的改进ORB算法

原ORB （oriented FAST and rotated BRIEF）算法提取的图像特征点经常出现“扎堆重叠”现象，其分布较为密集且缺乏尺度不变性，因而容易造成图像特征点误匹配的问题。为了解决该问题，提出了一种基于四叉树划分的图像特征点提取算法。首先对图像建立尺度金字塔，然后使用四叉树划分图像并限制划分深度。用加速分段测试的特征（features fromaccelerated segment test，FAST）算法通过多个检测阈值对划分后的图像进行特征点检测。检测完毕后，根据划分出的子块总数和提取的特征点总数对划分出来的各个子块设置自适应阈值，提取ORB特征点。操作完成后通过采取非极大值抑制的方法筛选最佳特征点，并使用改良后的二元鲁棒独立基本特征（binary robust independent elementary features，BRIEF）算法计算得出特征点的描述符，最后进行特征点匹配。实验结果表明，本文算法提取的图像特征点较原ORB算法提取的效果在均匀程度上得到了明显地提升，冗余重叠的特征点数量减少，且在特征点提取速度方面较原ORB算法的提取速度提高了30%以上。