迭代化代价函数及超参数可变的生成对抗网络

为了解决生成对抗网络(Generative adversarial networks,GAN)的训练难问题,该文在Wasserstein GAN(WGAN)方法基础上提出了迭代化代价函数及超参数可变的生成对抗网络。为了对原始WGAN中的惩罚项进行改进,用迭代的方法增加惩罚项代替原始随机选取的方法。针对WGAN中固定代价函数惩罚项的超参数,提出变动超参数策略,其变动的依据是仿分布和真实分布之间的距离。在MNIST手写字体数据集和CELEBA人脸数据集上的实验表明,与传统WGAN方法相比,该文方法在生成器的拟合速度上有了显著提高,充分验证了方法的有效性。     

基于深度学习的单幅图像三维重建

随着深度学习技术的发展,深度神经网络在图像处理和三维重建中得到广泛应用,为探究目前深度学习框架下的单幅图像三维重建研究现状,该文对近年的相关研究工作进行综述.首先介绍深度学习框架下基于图像的不同三维重建方法的分类;其次梳理图像三维重建中不同神经网络方法的研究进展;并根据重建三维模型表示方式的不同,分别讨论针对体素、点云、网格、隐式等不同表示方式的单幅图像三维重建网络和方法;然后给出单幅图像三维重建中的常用评价指标与数据集,并对公开数据集下针对不同表示方式的各类三维重建方法的结果进行比较与分析;最后对单幅图像三维重建所面临的困难和挑战进行讨论,并给出未来的研究方向.     

基于生成对抗网络的轻量级图像盲超分辨率网络

针对图像盲超分辨率网络计算参数多、模型庞大的问题,对快速且节省内存的轻量级图像非盲超分辨率网络（fast and memory-efficient image super resulotion network, FMEN）进行改进,提出了一种轻量级的快速且节省内存的图像盲超分辨率网络（fast and memory-efficient image blind super resulotion network, FMEBN)。首先,通过图像退化模块模拟部分真实世界退化空间,使用退化预测模块预测低分辨率(low resolution, LR)图像的退化参数;然后,为能有效利用退化先验信息指导并约束网络进行重建,使用动态卷积对原网络特征提取、重建模块、高频注意力块（high frequency attention block, HFAB）结构进行改进;最后,使用生成对抗网络（generative adversarial network, GAN)对FMEN训练策略与损失函数进行优化,减小真实数据与生成数据的差异,生成更加真实、清晰的纹理、轮廓。实验结果表明,在合成图像数据集和真实图像数据集R...     

多孔介质中固体体积分数与颗粒尺度对流体绝对渗透率的影响

多孔介质渗透率是影响流体流动的重要因素,对多孔介质渗透率的研究在油气开采、地下水文学等工程技术领域具有实际的应用价值。本文通过在立方体空间中随机填充球形固体颗粒生成不同固体体积分数和颗粒半径的三维多孔介质数值模型。利用格子玻尔兹曼法模拟流体在这些模型中的流动并计算得到不同固体体积分数和颗粒半径下多孔介质模型的渗透率,分析了多孔介质中固体颗粒半径和体积分数对渗透率的影响,并通过数据拟合得到了渗透率关于固体颗粒半径和体积分数的函数关系。通过与二维多孔介质中渗透率关于孔隙率和固体颗粒粒径的函数关系对比,发现在三维多孔介质中,渗透率与固体体积分数和粒径之间具有与二维情况下类似的幂律指数关系。     

基于改进DCGAN轮胎缺陷图像生成方法

针对深度卷积生成对抗网络的数据扩充方法存在生成图像质量差、模型框架不稳定、模型收敛速度慢等问题，提出一种改进DCGAN轮胎缺陷图像生成模型。将残差网络和注意力机制嵌入到DCGAN模型中，提升模型特征的提取能力；同时摒弃DCGAN损失函数JS散度，使用带有梯度惩罚项的Wasserstein距离，提高模型训练的稳定性。实验结果表明，使用给定模型生成的轮胎缺陷图像质量优于使用DCGAN，WGAN，CGAN与SAGAN所生成图像，其平均FID值可以达到116.28，最小FID值可以达到84.94。所提出的模型可以稳定生成质量更好的轮胎缺陷图像，为轮胎缺陷样本数据集的扩充提供了一种有效途径，有助于有效解决深度学习在缺陷检测领域发展所面临的小样本问题。     

基于真实细观结构的多孔混凝土三维重建

为了获得真实多孔混凝土结构和满足多孔混凝土三维细观力学模拟的需要,借助工业CT图像三维重建方法的原理,采用数字图形处理技术和MATLAB程序实现了多孔混凝土的三维结构重建.结果表明,重构的三维结构模型接近真实的多孔混凝土,可以直观地分析混凝土内部的多孔结构和孔的连通性.多孔混凝土的三维重建为有限元方法研究多孔混凝土的孔结构、力学性能及其渗透性提供了一种有效的模型,为多孔混凝土物理力学性能的数值模拟奠定了基础.     

基于行列式点过程的变分拉普拉斯自编码器

变分自编码器(Variational Autoencoders,VAE)是一类重要的学习概率潜在变量的生成模型,然而VAE对复杂模型的表现力较差,生成的图像往往比较模糊.为了解决VAE生成图像模糊的问题,提出一种基于行列式点过程的变分拉普拉斯自编码器(Variational Laplace Autoencoders-Determinantal Point Process,VLAE-DPP)模型,将行列式点过程方法引入变分拉普拉斯自编码器模型,在原始目标函数的基础上添加一项无监督惩罚损失,以此来提高生成图像的质量.VLAE-DPP模型利用行列式点过程来捕获一个与真实数据类似的多样性,然后通过从编码器中提取特征来学习核.最后,训练解码器优化核的伪、实、特征值和特征向量之间的损失,以鼓励解码器模拟真实数据的多样性,从而生成高质量的图像.在Fashion-MNIST,SVHN,CIFAR10数据集上的实验结果表明,VLAE-DPP模型能提高生成图像的质量.     

结合注意力机制的生成对抗网络图像超分辨重建

为改善图像超分辨率重建的主观视觉效果,提出一种结合注意力机制的图像超分辨生成对抗网络(generative adversarial network, GAN)模型.该模型在生成器网络中引入通道和空间双重注意力机制,选取更合适的重要特征信息进行传递;判别器网络采用WGAN进行构建,通过Wasserstein距离定义对抗损失,解决了GAN模型的训练不稳定问题.该重建模型在Set5、Set14、BSD100和Urban100共4个标准数据集上进行了实验,结果表明,和主流的超分辨重建算法相比,该模型的主客观评价指标均有所提高,图像细节信息恢复更加清晰,重建质量更好.     

快速多点地质统计三维重建算法

在SNESIM算法的基础上,提出了一种快速多点地质统计三维重建算法.首先利用红黑树构建模式集,降低树结构高度,快速检索匹配数据事件.其次综合概率融合与连续逐层采样方法,分别利用半模板与全模板进行点模拟,提高模板中条件数据的比例,缩小模式检索范围.对二维河道图像、三维多孔介质图像和三维储集层岩心图像进行了多组重建实验,结果表明该算法能够在不损失精度的同时显著提升时间效率,且对于各向同性、各向异性岩心图像的重建结果都与真实数字岩心具有相似的视觉特征、统计特征和孔喉分布特征,证明了算法的可靠性.     

基于μ-CT断层图像的多孔材料STL建模

STL文件是三维表面模型常用的存储格式,在逆向工程、有限元分析等领域有着广泛的应用。文中基于μ-CT(超声CT)断层图像分析了多孔材料STL文件格式的产生方法。结合大津阈值分割算法与图像标记方法,清除源图像的噪声并且将孔的轮廓标记出来,再应用MC算法,对CT序列图进行三维重建,生成STL文件。实现了对多孔材料错综复杂结构的孔隙结构的建模,也改进了原STL生成算法限定条件较多、耗时较长的弊端。     

基于保持内容的变形算法的虚拟展示系统

采用基于图像渲染的算法实现了三维虚拟展示系统.该系统可以从不同角度,以不同放缩比例交互式浏览真实物体.首先基于SfM算法来重建原始摄像机轨迹和稀疏的三维点云,并拟合摄像机轨迹为三维平面圆.在两连续视点之间使用对极变换算法,将特征点集投射到新视图,最后使用基于保持内容的变形算法生成新视图图像.两视点都能生成对应的新视点图像,连续两个视点可以生成内部新视点的两幅新视图.最后新视图和原始视图合成视频.该系统通过操作视频实现放缩和旋转的交互式浏览方式,优点在于不需要对物体做三维重建,仅基于图片的方式来展示物体.和基于三维重建的三维展示系统不同的是,该系统基于图像渲染,运算量小,交互方式简洁、更真实.     

基于有向无环图的函数依赖一致性数据生成

针对函数依赖一致性数据生成问题,采用有向无环图作为函数依赖集合的描述模型,提出一种单函数依赖一致性数据生成算法 （TGSFD）;并通过属性排序解决多函数依赖一致性数据生成问题;为了利用流水线技术提高数据生成效率,提出最小独立属性子集概念,并给出了属性集划分算法. 实验表明本文提出的TGSFD和属性排序算法能够保证生成的数据满足函数依赖一致性,属性集划分和流水线技术可以有效提高数据生成效率.      

基于特征优化生成对抗网络的在线交易反欺诈方法研究

为了降低在线交易欺诈数据的不平衡性对欺诈检测效果的影响,提出了一种基于特征优化生成对抗网络的在线交易反欺诈方法。该方法建立了WGAN网络包括生成模型和判别模型,对数据进行Key特征选取,在数据生成过程中进行Gumbel-softmax技巧采样输出,优化生成数据质量和提高训练稳定性;交替训练判别模型和生成模型直至模型收敛;接着将收敛的生成模型作为样本生成器生成少数类样本对原始数据进行平衡处理;利用平衡处理后的数据训练分类模型并进行模型评估。通过实验证明,该方法生成数据的效果优于SMOTE及其变种方法。     

基于多尺度密集特征融合的生成式对抗除雾网络

在真实雾天场景下,针对除雾网络无法去除远处雾气、天空区域容易出现噪声的问题,提出了一种基于多尺度密集特征融合的生成式对抗除雾网络,并采用制作的合成雾天数据集进行对抗训练.首先,对除雾网络进行设计,构建了网络模型;其次,从合成晴朗天气图像中利用深度标签生成逼真的雾天数据集,以适用于真实雾天除雾领域;最后,在真实雾天数据集上测试,选取近几年具有代表性的6种基于深度学习的除雾网络进行主观视觉效果,并借助除雾领域常用的无参考图像质量评价指标进行客观分析.研究结果表明:提出的除雾网络在真实场景下的除雾效果较其他网络有显著提升,主观视觉效果明显优于对比的除雾网络,在无参评价指标上综合表现优于其他除雾网络.     

基于WGAN反馈的深度学习差分隐私保护方法（英文）

针对攻击者可能通过某些技术手段如生成式对抗网络(GAN)等窃取深度学习训练数据集中敏感信息的问题,结合差分隐私理论,提出经沃瑟斯坦生成式对抗网络(WGAN)反馈调参的深度学习差分隐私保护的方法.该方法使用随机梯度下降进行优化,设置梯度阈值进行梯度裁剪,对深度学习的优化过程添加噪声实施隐私保护;利用WGAN生成与原始数据相似的最优结果,对比生成结果与原始数据的差异进行反馈调参.实验结果表明,该方法可以有效保护数据集的敏感信息并且具有较好的数据可用性.     

“弄假成真”：基于对抗学习的数据增广方法

 近年来,深度学习在计算机视觉领域取得了巨大的突破,其背后是利用大量标签数据对深度网络进行监督训练,而标注大规模数据集非常昂贵且十分耗时。针对大规模数据集标注问题,苹果公司的Shrivastava团队希望借助现有的计算机仿真技术以及对抗训练的方法,实现仿真图像的无监督学习,从而避免昂贵的图像标注过程。该团队在对抗网络的基础上提出3个创新点：（1）自正则项;（2）局部对抗损失;（3）使用历史生成图片更新判别器,使得生成真实化图片的同时保留输入图像特征。实验结果展示该方法可以生成高度真实化的图片。研究者通过训练凝视估计模型、手部姿态估计模型定量分析生成图片的效果,分析结果表明,使用生成图片训练的模型,在MPⅡGaze数据集上测试效果有很大的提升,达到了当时最好的效果。不过,研究者并未在包含多个物体的复杂场景下进行实验,文中提出的方法在复杂场景下的应用还存在局限性。     

基于深度学习的钻孔图像岩体结构面识别

岩体结构面对岩体稳定性和渗透性有着重要影响,是决定深部地下工程稳定性的重要因素.针对井下电视技术获取的钻孔影像,提出了一种基于深度学习算法(You Only Look Once version 4,YOLO v4)的岩体结构面识别方法,并计算识别岩体结构面的几何参数.首先,采集图像数据并进行预处理.以某隧道工程为案例,使用智能钻孔光学成像仪采集4号和6号钻孔图像,筛选含有结构面的钻孔图像进行标注以建立Ground truth数据集.从中随机选择数据集的70%作为训练数据、10%作为验证数据、20%作为测试数据,并对训练数据集使用数据增强处理.接下来使用CSPDarkNet53网络作为特征提取网络,构建YOLO v4模型,并采用试错法获取最优参数进行模型训练.利用测试集生成P-R(Precision-Recall)曲线来测试最终的模型训练效果,结果显示P-R曲线的平均精度达0.87,这表明YOLO v4训练结果较好.最后,将定位的结构面采用Canny算法通过拟合上、中、下正弦曲线函数获取岩体结构面边缘,并依据正弦函数的系数计算结构面的4个几何参数(倾向、倾角、深度和张开度).     

基于生成对抗网络的人脸图像修复

为了有效修复大面积破损的面部图像,通过生成对抗网络,使用解码器-编码器结构的卷积神经网络作为生成模型,增强生成模型的结构信息预测能力,同时引入对抗训练策略优化生成模型。该模型首先训练一个判别模型识别真实图像,再将判别待修复图像输入生成模型后所得到的结果是否真实,从此为生成模型提供优化梯度。结合卷积神经网络的结构信息预测能力和DCGAN对抗策略的优化能力,提高图像补全效果。通过在CeleBA人脸数据集上进行的实验结果表明:该方法在补全大面积破损的图像任务上性能明显优于其他方法。     

基于生成对抗网络的气缸套表面缺陷图像生成

针对气缸套缺陷检测中缺陷样本不足限制气缸套缺陷检测性能提升问题,采用基于生成对抗网络的气缸套表面缺陷检测算法.首先,为了保持缺陷图像中原有缺陷位置与特征不变,通过循环生成对抗网络模型学习有缺陷气缸套图像与正常图像的关系;其次,利用学习得到的模型对有缺陷气缸套图像进行风格迁移,即把有缺陷气缸套图像背景替换成无缺陷气缸套图像背景,实现对气缸套缺陷数据集的扩充与增强;最后,通过基于数据增强的RetinaNet网络模型对生成图像的有效性进行验证.试验结果表明,通过生成对抗网络生成的气缸套数据集可以提升缺陷检测性能,进一步证明了生成对抗网络在工业应用的可行性.     

基于形态反演的小尺度磁性目标三维重建方法

本文以小尺度磁性目标的三维重建方法为研究对象,首先利用磁梯度张量数据估计磁性目标的近似水平边界、垂向边界和磁化方向,在此基础上确定待反演空间的范围、网格化反演空间、选定磁性目标初始反演模型和待增长模块集;然后基于模块选择函数在待增长模块集中选择最优的增长模块,迭代更新磁性目标的反演模型和待增长模块集,直至达到迭代目标函数的终止阈值;最终得到的反演模型即为小尺度磁性目标的三维重建结果.模拟结果表明:小尺度磁性目标的三维重建结果与真实目标具有较高的相似性,可用于磁性目标的识别应用.