【摘 要】
：
基于深度学习的图像超分辨率网络模型复杂度高，特征利用率较低。尤其是应用在复杂拍摄环境中的图像超分辨率重建，由于特征损失严重，最终重建的效果也较差。针对以上问题，提出分层特征融合图像超分辨率网络。首先引入对称式的分层结构，以增强不同层次图像特征的融合；其次使用更为密集的残差连接结构，减少局部残差损失，同时缓解梯度消失和梯度爆炸问题；最后在每个残差块中加入注意力机制，增强网络对图像高频信息的敏感度。为
论文部分内容阅读
基于深度学习的图像超分辨率网络模型复杂度高，特征利用率较低。尤其是应用在复杂拍摄环境中的图像超分辨率重建，由于特征损失严重，最终重建的效果也较差。针对以上问题，提出分层特征融合图像超分辨率网络。首先引入对称式的分层结构，以增强不同层次图像特征的融合；其次使用更为密集的残差连接结构，减少局部残差损失，同时缓解梯度消失和梯度爆炸问题；最后在每个残差块中加入注意力机制，增强网络对图像高频信息的敏感度。为了验证算法在复杂环境中的效果，将模型应用于高空航拍图像超分辨率重建中。实验结果表明，所提算法相比于EDS
其他文献
针对无线传感器网络中数据完整性和隐私保护难以同时兼顾的问题，提出一种低能耗支持完整性验证的数据融合隐私保护方法PPMLEC。PPMLEC将节点的ID号用节点的簇号与节点号组合的方式表示，将ID号隐性传输，同时利用哈希函数计算扰动值，对节点采集的数据进行扰动，提高数据的安全性，通过构造两棵融合树在基站进行完整性验证。实验结果表明：在没有能加网络能耗的前提下，PPMLEC在通信量方面比现有的基于分布式
针对目前秸秆覆盖率自动识别准确率低的问题，提出了一种秸秆图像畸变校正与Otsu算法进行阈值分割相结合的图像处理算法，计算田间秸秆覆盖率。首先，通过单目摄像头采集免耕播种机的作业环境信息，并采用了一种改进的AdaBoost算法自动判决免耕机目前工作环境是否是免耕地。在确定属于免耕地的前提下，提出了一种改进的AdaBoost算法判决免耕机的作业环境，其次，对现场采集的秸秆覆盖图像进行预处理，经过彩色空
针对SLAM（同时定位与建图）算法精度不高且跟踪易失败的问题，提出了一种改进关键帧选择的ORB-SLAM2算法。首先，通过ORB-SLAM2算法计算帧间相对位姿；其次，在原有算法的基础上，增加旋转与平移量作为判定依据，决定是否创建新关键帧；然后，针对移动机器人所安装的相机与机器人产生相对运动引发误拍摄，导致劣质关键帧生成的问题，设计了劣质关键帧剔除算法；最后，基于RGB-D数据集与自主研发的移动机
图像描述任务旨在针对一张给出的图像产生其对应描述。针对现有算法中语义信息理解不够全面的问题，提出了一个针对图像描述领域的多模态Transformer模型。该模型在注意模块中同时捕捉模态内和模态间的相互作用；更进一步使用ELMo获得包含上下文信息的文本特征，使模型获得更加丰富的语义描述输入。本模型可以对复杂的多模态信息进行更好的理解与推断并且生成更为准确的自然语言描述。该模型在Microsoft C
针对目前深度学习中单阶段目标检测网络结构复杂、训练困难与在移动与嵌入式设备难以部署的问题，提出一种自适应空间特征融合的轻量化目标检测算法。算法以YOLOv4为网络基础框架，采用轻量级MobileNet作为特征提取网络，降低网络深度与训练难度，提高检测速度；采用了一种自适应空间特征融合方式ASFF(Adaptively Spatial Feature Fusion,ASFF)，改进PANet对多尺度
为实现变电站工程建设中钢结构与电力设备的配套控制管理，需要从大量的钢结构图纸标题栏中识别相关信息，并与实物进行匹配。针对标题栏中字体模糊、表格形式多样、信息量混杂等问题，提出了基于深度学习CNN+RNN模型的文本检测和CRNN模型的文字识别方法。对现有钢结构变电站工程施工现场钢结构数据集的检测与识别显示，该方法的检测精确率达到80%以上，识别准确率达到90%以上，均优于其他文本检测与识别方法。工程
研究牡丹峰保护区不同海拔梯度土壤有机质含量及蛋白酶活性变化，探讨人为干扰对其影响。结果表明：人为干扰降低了土壤有机质含量和蛋白酶活性。其中，土壤有机质含量随海拔高度升高呈增加趋势，随取样深度的增加呈下降趋势，农田显著低于森林土壤，存在显著差异。土壤蛋白酶活性随海拔高度的升高呈波动上升趋势，除大豆田土壤高于海拔350m落叶松人工林土壤外，农田土壤蛋白酶活性均低于森林土壤；除稻田土壤随取样深度的增加呈
针对卷积神经网络在多卷积层叠加造成的图像内小尺度目标丢失和类别边界模糊问题，提出一种基于多尺度特征融合和边界优化的阶梯型图像语义分割网络结构。该网络以提升网络模型的准确率为目标，对Deeplab V3+网络中空间池化金字塔模块进行优化，使用针对视觉任务的新激活函数Funnel ReLU(FReLU)替换原有非线性激活函数获取精度补偿，增添优化分支构建阶梯型网络，通过对各类别边界的精确预测提升整体图
针对在可见光虹膜识别中存在的虹膜纹理特征不明显与反射光斑问题，提出一种基于多任务学习的可见光与近红外无监督融合模型(MTIris-Fusion)。首先，设计了基于改进DenseU-Net的端到端融合骨干网。其次，设计了自适应权衡源图像重要信息保留度的损失函数，自适应保持融合结果与源图像之间的相似度，达到无监督的目的。随后，通过弹性权重巩固(EWC)机制更新多融合任务的权重，避免了多任务网络中的灾难
高欠采倍数的动态磁共振图像重建具有重要意义，是同时实现高时间分辨率和高空间分辨率动态对比度增强成像的重要环节．本研究提出一种结合黄金角螺旋变密度采样、并行成像和基于同伦l_(0)范数最小化的压缩感知的图像重建的三维动态磁共振成像方法．黄金角变密度螺旋采样轨迹被用来连续获取k空间数据，具有数据采集效率高、对运动不敏感等优点．在重建算法中，将多线圈稀疏约束应用于时间总变分域，使用基于l_(0)范数最小