【摘 要】
：
近几年,基于卷积神经网络(CNN)的单图像超分辨率(SR)重建方法成为了主流.通常情况下,重建模型的网络层数越深,提取的特征越多,重建效果越好;然而随着网络层数的加深,不仅会出现梯度消失的问题,还会显著增加参数量,增加训练的难度.针对以上问题,提出了一种基于密集Inception的单图像SR重建方法.该方法引入Inception-残差网络(Inception-ResNet)结构提取图像特征,全局采用简化后的密集网络,且仅构建每一个模块输出到重建层的路径,从而避免产生冗余数据来增加计算量.在放大倍数为4时,
【机 构】
：
南京邮电大学计算机学院,南京210023;南京邮电大学物联网学院,南京210003
论文部分内容阅读
近几年,基于卷积神经网络(CNN)的单图像超分辨率(SR)重建方法成为了主流.通常情况下,重建模型的网络层数越深,提取的特征越多,重建效果越好;然而随着网络层数的加深,不仅会出现梯度消失的问题,还会显著增加参数量,增加训练的难度.针对以上问题,提出了一种基于密集Inception的单图像SR重建方法.该方法引入Inception-残差网络(Inception-ResNet)结构提取图像特征,全局采用简化后的密集网络,且仅构建每一个模块输出到重建层的路径,从而避免产生冗余数据来增加计算量.在放大倍数为4时,采用数据集Set5测试模型性能,结果显示与超深卷积神经网络的图像超分辨率(VDSR)相比,所提方法的结构相似性(SSIM)高了0.0136;与基于多尺度残差网络的图像SR(MSRN)相比,SSIM高了0.0029,模型参数量少了78％.实验结果表明,所提方法在保证模型的深度和宽度的情况下,显著减少了参数量,从而降低了训练的难度,而且取得了比对比方法更好的峰值信噪比(PSNR)和SSIM.
其他文献
由于电力通信过程中部分信息资源具有动态性特征,无法精准捕获有效数据,导致资源管理系统无法及时录入数据,为此设计了一种支持动态获取资源配置信息的电力通信资源管理系统.首先根据电力通信资源管理系统的特征构建逻辑拓扑结构模型,引入CORBA技术以及SOCKET套接字技术,构建管理系统的信息转发模型及信息传播状态函数,进行有关资源的自动更新,实现信息的动态获取,最后根据映射关系进行是自适应匹配,获取合理数据来源,绘制机架图,完成电力通信资源管理系统的设计.经实验分析可知,本研究所提设计系统在录入动态信息或数据时,
当前敏感台区反窃电监测方法在面对连续监测状况时,监测数据中含有大量噪声数据和无用数据,导致对窃电行为的诊断依据不足,为解决该问题,提出基于递归小波神经网络的敏感台区反窃电监测方法.利用A/D采集电路和互感器采集用户用电数据,通过数据预处理剔除噪声数据和无用数据,同时使数据归一化.在此基础上,提取用电数据特征,并从电流、电压、功率因数、电量四个方面确定窃电行为判别指标,将数据与特征值输入至递归小波神经网络中,结合判别指标输出精准的窃电行为判别结果,实现敏感台区反窃电监测.实验结果表明,研究方法能够准确捕捉到
针对现有技术中评估水电站经济运行状况存在的技术不足,提出新型的考核评估方法.该方法通过对水电站发电情况以及水电站水库耗能情况进行分析,从整体上衡量水电站在发电过程中的能量变差,及时、有效地评估在各种因素下,影响水电站发电的功耗分析.并构建出最小能耗数学模型,实现不同情况下水电站的能耗分析.在构建最小能耗数学模型时,同步考虑了影响最小能耗数学模型计算的约束条件.试验表明,本研究的方法误差低,适用范围广.
针对窃电问题严重阻碍建立公平、合理的用户秩序的问题,基于云计算的智能电网大数据处理平台SP-PPP(smart power system big data processing platform in cloud environment,SP-DPP),提出了融合自适应加权融合算法和深度置信网络DBN(Deep Belief Networks,DBN)学习算法的反窃电系统,采用DBN逐层贪婪训练算法对大数据进行处理,并利用双层RBM结构,构建出DBN深度学习算法,对获取的电能计量窃电信息进行归一化处理,将
针对软件定义网络(Software Defined Ntwork,SDN)中的分布式拒绝服务(Distribute Denial of Service,DDoS)攻击检测的方法少、现存方法入侵检测率低的问题,提出了一种基于深度学习和三支决策的入侵检测算法.首先使用深度信念网络对SDN的流表项进行特征提取,然后利用基于三支决策理论的入侵检测模型进行DDoS攻击的入侵检测,对于正域和负域的数据直接进行分类,对于边界域中的数据使用K近邻算法重新进行分类.仿真实验结果表明,与其他入侵检测模型相比,所提算法的入侵检
针对传统图像隐写算法计算消耗时间较长的问题,提出了立方体迷你数独矩阵(CMSM)和两层数据隐写方案.将矩阵及其相应的数据嵌入和提取算法推广到N维迷你数独矩阵(NMSM),并阐述了提高时间效率的机制.通过定义了距离定位函数,可以显著提高多维参考矩阵的嵌入效率.该数据隐写方案具有复杂度高,能有效地提高数据隐写的安全性.实验结果表明,该数据隐写方案不仅能获得更好的图像质量,而且比其他相关方案具有更高的嵌入容量.
为解决传统的信息隐藏技术中隐写容量小和隐写安全性低的不足,提出了利用生成式对抗网络(GAN)的无载体信息隐藏方法.首先利用噪声驱动生成器直接生成含密图像,然后训练秘密信息提取器以恢复隐藏的秘密消息.同时,进一步优化了提取器的训练任务,并引入冗余纠错编码技术.实验结果表明,相比同类方法,在大隐写容量的情况下,具有更高的信息提取准确率,同时加快了提取器的训练收敛速度.
针对预制舱变电站物联网建设中存在的信息泄露和隐私保护问题,提出了一种基于超混沌数据的加密算法.即首先利用混沌发生器生成随机序列,其次对序列进行归一化处理,接着利用序列对明文进行掩膜置换等加密操作,最后将密文发送至预制舱变电站服务器,实现数据的加密通信.实验结果和分析表明,该加密算法具有密钥空间大、密钥敏感性强的特点.
学习图中节点的潜在向量表示是一项重要且普遍存在的任务,旨在捕捉图中节点的各种属性.大量工作证明静态图表示已经能够学习到节点的部分信息,然而,真实世界的图是随着时间的推移而演变的.为了解决多数动态网络算法不能有效保留节点邻域结构和时态信息的问题,提出了基于深度神经网络(DNN)和门控循环单元(GRU)的动态网络表示学习方法DynAEGRU.该方法以自编码器作为框架,其中的编码器首先用DNN聚集邻域信息以得到低维特征向量,然后使用GRU网络提取节点时态信息,最后用解码器重构邻接矩阵并将其与真实图对比来构建损失
作为自然语言处理中的热点问题,摘要生成具有重要的研究意义.基于Seq2Seq模型的生成式摘要模型取得了良好的效果,然而抽取式的方法具有挖掘有效特征并抽取文章重要句子的潜力,因此如何利用抽取式方法来改进生成式方法是一个较好的研究方向.鉴于此,提出了融合生成式和抽取式方法的模型.首先,使用TextRank算法并融合主题相似度来抽取文章中有重要意义的句子.然后,设计了融合抽取信息语义的基于Seq2Seq模型的生成式框架来实现摘要生成任务;同时,引入指针网络解决模型训练中的未登录词(OOV)问题.综合以上步骤得到