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Self-Attention的单样本ConSinGAN模型的工业缺陷样本图像生成

在工业生产中,基于机器视觉的产品质量检测方法已逐步引入生产线,但绝大多数检测模型都需要充足的缺陷样本集以完成训练.随着生产工艺的改进,缺陷样本出现的概率逐渐降低.缺陷样本过少导致工业缺陷的检测或分割任务难以实施模型训练.采用GAN模型进行样本生成可以有效增广训练样本集.主要研究了面向小样本集的工业缺陷样本生成模型,对单...     

面向新概念学习的图像描述生成模型

为了更好地在图像描述生成任务中对新概念进行学习和预测,在编码-解码框架下提出了一种新的面向新概念学习的图像描述生成模型(Att-DCC)。该模型引入了带有空间注意力机制的卷积神经网络,将全局视觉特征、语义标签和经空间注意力作用后的视觉信息进行了较好的融合;此外,引入自适应注意力机制多模态层,将语义相近的概念学习结果迁移至新概念,降低训练过程的复杂程度并提升学习性能。采用Att-DCC模型在MSCOCO2014数据集上针对2批(分别为8和6个)共14个新概念进行了测试和分析,结果表明:充分的多模态融合方式和多种注意力机制对于提升学习效果有显著效果;Att-DCC模型在F₁值上取得了42.56%和42.14%的平均结果,总体上取得了比具有代表性的NOC模型和DCC模型更准确的预测结果。     

基于改进CycleGAN的合成孔径雷达图像仿真

目标和场景的跨模态数据对于以深度神经网络为基础的跨模态检测与多模态融合算法的性能提升有着极其重大的意义.由于SAR图像的特殊性,获得成对的数据集成本很高,且现有的SAR图像生成算法大多集中在提升图像多样性与小范围场景生成,对于特定场景的图像配对转化鲜有涉及.本文利用改进的循环一致性对抗网络CycleGAN实现SAR图像目标和场景的SAR图像的仿真,并利用最小二乘损失对网络进行改进,使网络性能获得提升,提高了成像的质量,论文所提方法对SAR图像进行了仿真实验,结果表明,本文方法生成图像的精细度与稳定度最优,实现了更好的仿真结果.     

基于改进CycleGAN的图像翻译方法

生成对抗网络在图像翻译领域有着非常出色的表现,它可以将源域风格的图像翻译成目标域风格的图像.针对图像翻译生成的图像受噪声干扰严重、轮廓模糊、图像质量较低等问题,提出了一种基于改进CycleGAN的图像翻译方法.以源域风格下的无人机图像举例,在CycleGAN网络结构的基础上,在其生成器中引入自注意力模块,提升网络对中心像素的特征提取能力;用带惩罚项的EM距离替代JS距离,缓解不易收敛的难题.实验结果证明,改进模型成功生成了更高质量的无人机图像.     

基于改进的注意力机制与纹理结构分层的生成对抗网络图像修复方法

构建一个以U-Net为基础的模型,通过引入注意力机制与纹理结构分层相融合的图像修复方法,在生成对抗网络模型基础上,引入通道注意力并结合多尺度卷积模块,将图像下采样提取特征分为纹理特征与结构特征,采用改进的Res2Net残差块并重构损失函数.实验结果表明,修复后图像的纹理和结构更统一,修复图像与原始图像在高级语义上更加接近.     

基于生成对抗网络的乳腺MRI图像生成

乳腺癌磁共振成像(nuclear magnetic resonance imaging, MRI)数据由于不同医院采集方式不同、设备不同或病人等自身原因,会存在同一病人不同序列缺失的问题。目前主流的图像生成对抗网络Pix2Pix和Cycle-consistency是医学图像生成的两种主要模式,这类方法要求不同MRI序列数据配对出现,难以处理存在缺失的数据,此外,该类方法往往关注整幅图像的生成质量,缺少对疾病诊断更有价值的病灶区域的生成质量的监控。针对以上问题,该文受配准网络(RegGAN)自适应对准图像空间分布的启发,设计了一种新的基于特征增强的双注意力配准生成对抗网络DA-RegGAN。该网络在生成器中引入卷积注意力模块,使网络更注重病灶的学习;在判别器中添加梯度正则化约束,主要解决网络训练不稳定容易出现模式崩溃的现象,使网络生成包含更清晰的病灶细节全局图。该文在1 697幅乳腺数据上开展消融实验、不同图像生成算法间的对比实验、肿瘤分类实验,进一步验证了方法的有效性。与原始RegGAN比,全局图像生成质量和局部病灶图像生成质量均得到提升,局部图像质量较原始PSNR提升了0.518,S...     

光照条件变化下的图像生成方法

提出了两种图像生成的方法：(1)由图像分割、三维重建和投影生成构成。该方法考虑了图像中各部分表面发射模型的差异，通过将图像各区域向1分成朗伯表面和镜面反射，分别进行三维重建，然后融合两结果，改变光照方向和强度，投影生成新的图像；(2)将Shape from shading和Shape from texture技术融合起来。采用Gabor滤波器将图像中的纹理成分和阴影成分区分开来，再用两种方法各自生成三维立体图像，依据它们的特性在频域融合两个三维图像，然后再改变视角和光照的强度、方向，生成仿真的二维图像。实验表明，由该两种方法恢复出的形状优于传统的估计方法，生成的图像真实感强。     

改进YOLOv5的钢材表面缺陷检测算法

针对传统钢材表面缺陷检测方法存在检测效率低、检测精度差等问题,提出一种基于改进YOLOv5的钢材表面缺陷检测算法。首先使用GhostBottleneck结构替换原YOLOv5网络中的C3模块和部分卷积结构,实现网络模型轻量化;其次在Backbone部分引入SE注意力机制,对重要的特征通道进行强化;最后针对数据集特点在网络中增加一个检测层,强化特征提取能力,并在Neck部分增加特征融合结构,使用DW卷积替换部分标准卷积以减少运算量。实验表明,改进的YOLOv5sGSD算法,模型体积减少了10.4%,在测试集上的mAP值为76.8%,相比原YOLOv5s网络提高了3.3%,检测精度和速度也明显高于一些主流算法。相比传统的钢材表面缺陷检测方法,提出的算法能够更加准确、快速地检测出钢材表面缺陷的种类和位置,并且具有较小的模型体积,方便于在移动端的部署。     

基于解耦常识性关联的图像描述生成算法

基于解耦常识性关联的图像描述生成算法旨在排除各类实体间常识性关联对模型推理的干扰,提高描述生成的流畅性与准确性.针对当前图像描述生成中存在的符合常识但与图像内容不相符的关系语句,该算法先通过一种新颖的训练方式加强关系检测模型对图像中真实关系的关注程度,提高关系推理的准确性.再通过一种关系感知的实体交互方法,对存在关系的实体进行有针对性的信息交互,对关系信息进行强化.实验表明,该算法能够纠正一些常识性的虚假关系,生成较为准确的图像描述,并在各项评价指标上获得了较好的实验结果.     

基于改进SOFM的矢量量化图像压缩

在介绍矢量量化和自组织特征映射神经网络的基础上,针对基于自组织特征映射神经网络的矢量量化算法,在初始码书生成、获胜神经元搜索策略以及调整获胜码字及其拓扑领域权值等方面进行改进.实验结果表明改进算法具有合理性和有效性.     

基于注意机制和循环卷积神经网络的细粒度图像分类算法

细粒度图像分类是计算机视觉中非常热的研究方向.由于同一个大物种的子类别之间具有相似的外观,相似的颜色,所以差别非常细微.因此,细粒度图像分类非常具有挑战性.为了解决这个挑战,该文提出一种基于注意机制的循环卷积神经网络用于细粒度图像分类.首先,根据注意机制循环提取一幅图像中的显著性物体区域;然后,对原始图像和每次提取的显著性区域分别进行分类;最后,融合分类层得分,进行最终分类.在非常有挑战性的公共数据集CUB-200-2011,Stanford Dogs和Stanford Cars上进行实验,与比较先进的实验方法进行比较,实验结果表明该文提出的方法非常有效.     

基于卷积神经网络的灾难场景图像分类

为了对灾难场景图像进行快速分析和识别,提出了一种基于多分辨率卷积神经网络和残差注意力机制(attention module)相结合的图像分类模型.首先,对灾难场景数据集进行预处理,在相同类型的条件下将其随机划分为训练集和测试集.基于改进的卷积神经网络(convolutional neural network,CNN),提取训练集的图像特征.使用训练集图片的特征进行训练,并且在测试集图片上实现分类测试.选取DenseNet、Xception和MobileNetV2三种模型,以灾难场景数据集(Disaster_Data_Scenes)为数据集进行实验验证.结果表明:改进的Xception和MobileNetV2网络在灾难场景数据集上进行的图像分类实验测试,比原网络精度分别提升了4.56％和3.04％.其中改进的DenseNet网络比原网络模型精度分别提升9.13％、17.88％和10.27％.可见改进的卷积神经网络模型的分类精度得到有效提高.     

基于多尺度注意力的皮肤镜图像自动分割算法

针对现有的皮肤镜图像分割算法存在边缘分割时效果较差和对中小目标的识别能力较弱等问题。本文提出了一种基于多尺度注意力融合的分割网络MAU-Net(Multi-scale attention U-Net)。MAU-Net网络是以U-Net网络为基础的分割模型,通过本文设计的多尺度注意力模块(MA),在特征提取时融合不同层次的特征,并将重要的目标特征给与一定的权重,从而使网络能更快和更精准的分割出目标区域。实验结果显示,在ISIC2017数据集上平均交并比(MIOU)、精确度(PRE)和kappa值分别为83.61%、93.58%和81.70%,性能比U-Net分别提高了5.27%、2.01%和6.83%;并在ISIC2017挑战赛数据集上进行了消融实验,实验结果验证了MA模型有助于网络性能的提升。本文提出的MAU-Net网络在皮肤病变分割任务中表现优异,同时具有良好的泛化性能。     

基于自适应池化的行人检测方法

基于卷积神经网络的行人检测器普遍采用图像识别网络,通常会引起多池化层导致小目标行人特征信息丢失、单一池化方法导致行人局部重要特征信息削弱甚至丢失等,针对以上问题,基于最大值池化和平均值池化方法,提出了一种自适应池化方法,结合通用目标检测器Faster R-CNN,形成了有效的行人检测器,达到增强行人局部重要特征信息、保留小目标行人有效特征信息的目的。对多个公开的行人数据集进行大量实验,结果表明,与传统的卷积神经网络行人检测器相比,所提方法将行人检测漏检率降低了2%～3%,验证了方法的有效性。新方法改进了卷积神经网络结构,在无人驾驶领域具有一定的参考价值。     

基于偏微分方程的带钢表面图像去噪方法

为提高带钢表面缺陷图像去噪处理中滤波器的去噪性能,更好地保留缺陷图像细节信息,在研究了偏微分方程理论的基础上,分析了AMSS(affine morphological scale space)方程的对比不变性和仿射不变性,采用有限差分法实现了AMSS算子的方法.将AMSS算子应用到带钢表面缺陷图像去噪处理的试验表明,该方法达到了既去除噪声,又保留图像细节信息的效果.     

一种基于自注意力机制的文本图像生成对抗网络

图像自动生成一直以来都是计算机视觉领域的一项重要挑战,其中的文本到图像的生成更是图像生成领域的重要分支。随着深度学习技术迅猛发展,生成对抗网络的出现使得图像生成领域焕发生机,借助生成对抗网络能够生成较为生动且多样的图像。本文将自注意力机制引入生成对抗网络,提出GAN-SelfAtt以提升生成图像的质量。同时,使用WGAN、WGAN-GP 2种生成对抗网络框架对GAN-SelfAtt进行实现。实验结果表明,自注意力机制的引入能够提高生成图像的清晰度,这归功于自注意力机制弥补了卷积运算中只能计算局部像素区域内的相关性的缺陷。除此之外,GAN-SelfAtt在训练时有着更好的稳定性,避免了原始生成对抗网络中的模式坍塌问题。     

New concept on coal structure and new consideration for the generation mechanism of oil from coal

The traditional two_phase structural model of coal based on the chemical covalence bonding has to be revised since recent discoveries of powerful mixed solvent such as CS-2/C-5H-9N, giving extra high yields in coal extraction at room temperature. It is believed that the physically associated interactions play important roles in the structure of coal. A composite model of coal is suggested. The organic matter of coal is mainly composed of some parts: the rigid 3_D macromolecules linked with chemical bonds; the polar molecules of high and moderate molecular weights, corresponding to asphaltenes and resins; the hydrocarbons with lower molecular weights. The polar molecules are associated by physical interactions (such as hydrogen bonding, charge transfer interactions, π_π interactions of aromatic sheets, etc.) each other and with macromolecules to form the network structure, in which some smaller nonpolar molecules are trapped. Based on the new concept of the composite coal model, some considerations for the generation mechanism of oil from coal have approached. Since the energy level of physical association is much lower than the chemical covalent bonding, the upper threshold of oil window for the generation of oil from coal seems not to be limited strictly after the theory of oil generation at the latter stage of the kerogen maturation. It looks reasonable to pay more attention to the geological conditions including the salt, water, minerals and environments of the sedimentation. The evolution process of physically associated interactions in the composite structure of coal and the generation of oil is thought to be intimately influenced by these factors.     

一种改进型圆盘法提取手形特征点的新方法

现有手形指根和指尖点提取方法对手形图像有较高的摆放要求.针对自然摆放的手形图像,提出一种改进的圆盘法算法提取手形特征点.首先,利用数码相机对手形图像进行采样并进行灰度化与二值化;然后,提取手形图像的单像素轮廓;最后,提出改进型的圆盘法提取手形图像的指尖点和谷点.通过对包含155人共310副手形图像的验证,实验结果表明,提出的算法与方法可有效提取单像素手形轮廓线,对手形图像的指尖点与谷点的正确提取率分别为95.6%和94.8%.提出的方法克服了传统圆盘法提取高分辨率手形图像特征点效率低的缺陷,避免手指张开程度对算法可靠性的影响,体现了方法的优越性.