基于对偶学习策略的单图像超分辨率重建网络

来源 :计算机应用研究 | 被引量 : 1次 | 上传用户:angel455029998
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对单图像低分辨率到高分辨率映射具有不适定性、特征图空间信息利用率低下以及网络参数量过大的问题,提出了一种基于渐进上采样的对偶学习算法用于图像的超分辨率重建。首先采用深度可分离卷积使得模型参数量显著减少;再基于亚像素卷积构建渐进上采样网络来高效利用特征图上下文信息;最后利用对偶学习策略构建闭环反馈网络,通过对偶关系相互约束映射空间以获取最佳重建函数。在Set5、Set14、BSDS100、Urban100、Manga109基准数据集上与其他主流的超分辨率方法相比,该算法表现出更优越的性能:有效减少了
其他文献
针对人脸五官在表达不同情绪时所起的作用不同,利用单一的卷积神经网络对人脸面部特征进行特征提取和表情识别可能会导致提取表情关键特征信息时聚焦性不够,而仅对眼部或者嘴部等重点部位进行特征提取,又有可能造成特征提取不够充分的问题,提出了一种基于优化卷积神经网络的三通道人脸表情识别方法TP-FER(tri-path networks for facial expression recognition)。该
针对目前边缘检测算法因过于依赖全连接层,使得边缘线条粗糙,且损失函数设定不当,造成梯度消失和大量主要特征信息丢失等问题,提出了基于卷积神经网络的交叉融合边缘检测算法。该算法利用1×1多卷积核的梯度方式来降维,完成横纵向图像低级与高级特征对象的采集;然后通过自上而下和自左向右循环卷积流向方式,保证每层的损失函数可以较平稳地前向和反向传播;最后利用跨层交叉融合对图像边缘特征进行细化。实验结果表明,该算
针对常规马氏距离判别方法对硬件木马检测率低下或失效的情况,通过对芯片运行时产生的功耗特征进行建模分析,提出了一种基于加权与双参数变换的优化判别方案。首先对标准与待测样本矩阵进行参数调整并在判别公式中加入样本矩阵特征向量权重,运用MATLAB实现参数的最优组合,最后在置信度99%的条件下计算待测样本的硬件木马检测率。对待测FPGA植入占比0.3%的硬件木马,并通过FPGA硬件木马检测平台验证表明,在
针对窗口技术将高位计算机断层扫描(CT)图像像素强度范围重新映射到一个可观测的范围时会损失图像信息,并且做一次预处理后就进行自动分割的方法不能很好地适应肿瘤分割的问题,提出了一种分步优化分割CT值的强度窗口预处理方法。利用肝脏及其肿瘤的CT值直方图和窗口技术对原始图像和肝部图像进行分步预处理,提高感兴趣区域的对比度;在级联的卷积神经网络中分别对比不同强度窗口的肝和肿瘤的自动分割精度,并得到了肝脏及
为解决粉镀锌卸料时卸料孔被锌粉遮挡,单一模型目标检测网络或方法无法很好地识别问题,提出一种专门的、融合多种特征模型的检测方法来辅助卸料。首先,用深度可分离卷积代替Tiny-YOLOv3(you only look once version 3)中的传统卷积,并调整损失函数,适应新的训练;接着,用像素统计判断目标区域遮挡情况,运用轨迹特征和形态特征模型对当前帧进行预测;最后,遵循模型融合规则,用预测
高迁移率条件下正交时频空间(OTFS)调制技术的性能优于正交频分复用(OFDM),而在常规的多输入多输出系统(MIMO)信号检测中,基于干扰消除信号检测技术的复杂度较大。针对此缺点,提出了一种改进的基于信干噪比(SINR)排序的信号检测算法。该算法先算出每一层信号的信干噪比,然后利用信息传递(MP)检测技术检测出每一层信号并通过干扰消除检测出全部信号。最后通过仿真对算法进行了验证,结果表明改进后的
目前,在刺绣工艺的非遗数字化保护研究中,成品绣品图样的保护占据着重要的地位,但实际上刺绣文化的精髓不仅是在图案上,将针法与图样进行有机结合才能更好地传承少数民族文化特色,因此,寻找一种能够将绣品针法纹样特征进行提取和匹配的方法是刺绣数字化保护亟待解决的问题。针对这一问题,通过对目前常用刺绣针法和特征提取算法进行研究,提出了一种以导向滤波作为尺度变换函数的特征提取模型。此方法以传统尺度不变特征变换(
MH/T 5004—2010《民用机场水泥混凝土道面设计规范》,未对水泥混凝土道面板厚度计算公式中的设计参数取值给出详细解释,使得设计和工程技术人员理解困难。结合工程实例详细介绍了水泥混凝土道面板厚度计算过程,并分析了道面板厚度取值影响因素。计算分析表明:中央站坪水泥混凝土道面板厚主要与飞机运行的次数有关,即疲劳次数越多,道面板厚取值越大;预测到2050年,罗安达新国际机场年客流量最高达1150万次,中央站坪水泥混凝土道面板厚度为360 mm,可以满足E类飞机的使用需求。
针对多聚焦图像融合易出现块效应和边界伪影等问题,提出了一种综合迭代引导滤波和字典学习超像素聚类的融合算法。首先对源图像进行超像素分割,利用密度峰值实现超像素的聚类,以超像素聚类块为处理单元提取特性形成特征矩阵;建立低秩表示模型,引入拉普拉斯正则项增加同类相邻区域空间一致性约束;构造低秩表示字典,借助自带二次惩罚项的线性交替迭代求解模型系数;通过联合低秩表示系数矩阵和误差矩阵构建初步聚焦特征图,利用
已有针对虚拟机映射问题的研究,主要以提高服务器资源及能耗效率为目标。综合考虑虚拟机映射过程中对服务器及网络设备能耗的影响,在对物理服务器、虚拟机资源及状态,虚拟机映射、网络通信矩阵等概念定义的基础上,对协同能耗优化及网络优化的虚拟机映射问题进行了建模。将问题抽象为多资源约束下的装箱问题与二次分配QAP问题,并设计了基于蚁群算法ACO与局部搜索算法2-exchange结合的虚拟机映射算法CSNEO来