论文部分内容阅读
一个母亲与儿子的抗争(外二首)
【出 处】
：
福建文学
【发表日期】
：
2008年1期
其他文献
本文提出了一种基于二维Logistic混沌映射与DNA计算的自适应图像加密方案.整个加密过程包括扩散和置乱两个阶段.在扩散阶段,本文首先利用二维Logistic混沌系统产生伪随机序列
若不是实地采访，很难令人相信，在发展市场经济的今天，在人们大都为追求“自我价值”而奔走不息的时候，胡金豹──这个清华大学的高材生，却把青春献给了集苦、脏、累、险于一体的“
自然场景下的文本检测分为提取候选区域和滤除非文本两个阶段.在候选区域提取阶段,针对最大稳定极值区域(Maximally Stable Extremal Regions,MSER)算法对噪声、模糊敏感,检测性能不高的问题,提出改进的MSER算法,首先通过梯度图增强图像字符边缘,然后采用MSER算法提取文本区域,最后利用多机制抑制策略进行粗过滤.在非文本滤除阶段,针对候选域中非文本区域过滤不彻底的问题
为解决基于改进的生成对抗网络(WGAN-GP)的数据增强方法用于医学图像融合时融合图像效果差的问题,本文首次提出一种基于迁移学习的改进WGAN-GP模型(Transfer-WGAN-GP),用于计算机断层成像(CT)与T2加权磁共振成像(MR-T2)图像融合.该模型首先从红外与可见光图像的融合过程中学习特征映射的方法,利用改进的WGAN-GP损失函数不断优化训练网络中的生成器与鉴别器,得到一个有初
如何有效地提取图像底层特征、分析高层语义的潜在语义关系,已成为图像标签完备标注亟待解决的问题之一.为有效完善图像语义标签,本文采用卷积神经元网络(CNN)和概念格,提出一种图像语义完备自动标注方法.首先构建自适应CNN网络,分割待标注图像并提取其特征,以此来获得近邻图像集与其一系列相对应的标签集合;然后利用概念格进行标签本身潜在的语义分析,有效地改善了标注效果,并保证了语义标注的完备性;最后利用投
现有大部分基于生成对抗网络(Generative Adversarial Networks,GAN)超分辨率图像重构算法,运用在实时人脸识别相关场景中,会造成严重延时等问题.针对上述现象,本文提出一种轻量化的GAN超分辨率图像重构算法.该算法通过将低计算量、高性能的深度可分离卷积作为生成器主卷积,将低参数量、高频率复用特征的稠密连接块作为判别器核心,并结合亚像素卷积进行上采样,能够解决在人脸识别算
人脸表情生成一直都是一项具有挑战性的工作.现有的方法通常将深度生成网络和面部特征相结合来完成这项任务.然而,同一张人脸的面部表情不仅微妙,而且数不胜数.如何在保持人脸身份信息不变的前提下,利用人脸特征准确地生成目标表情仍然是一个有待解决的问题.本文利用人脸特征点来描述不同的表情形状,并以此作为生成目标表情的引导条件.我们通过对Pix2Pix模型结构的改进,实现了高质量人脸表情的生成.同时,为了引导
下一代测序平台产生的大量短序列(short reads)包含许多重复的子序列,这给求解短序列比对(short-read alignment)问题带来了挑战.如何处理包含重复子序列的基因组区域将影响