基于生成对抗网络的图像艺术风格迁移

提出了一种新颖的图像艺术风格化算法,利用结构相似性指数和最小二乘生成对抗网络,搭建图像艺术风格化模型.通过对模型生成器和判别器的对抗训练以及重建约束,该模型可以生成一幅逼真的风格化作品.根据在人脸肖像素描sketch-photo数据集和中国水墨画风格beihong-photo数据集实验表明,与目前流行的DualGAN算法、Cycle GAN算法、Pix2Pix算法和GAN算法相比,本文提出的方法具有更好的风格化效果.     

基于结合Transformer和卷积神经网络的生成对抗网络在磁共振成像中分割胎盘组织（英文）

磁共振成像(MRI)胎盘组织的准确分割对于研究妊娠和分娩并发症具有重要意义,但传统放射科医师的人工标注难以保证分割准确性和客观性,且费时费力.为了开发用于MRI中胎盘组织自动分割的深度学习模型,提出了结合Transformer和卷积神经网络(CNN)的生成对抗网络(TCGANet).将特征嵌入模块与跳跃连接相结合,缓解传统特征融合方法带来的信息丢失.在此基础上引入内容提取模块,采用Transformer的自注意力机制捕捉全局依赖关系,有效表示MRI的全局和局部信息.此外,鉴于传统分割方法难于精确界定MR影像胎盘组织边缘的问题,运用判别网络对胎盘组织分割的生成网络监督,以提高胎盘边缘界定的精度.结果表明,该模型在定量指标和边界定位精度方面显著优于现有分割方法,其中准确度为0.993±0.003,灵敏度为0.903±0.093,特异度为0.996±0.003,Dice相关性系数为0.861±0.141.对模型不同结构的消融实验验证了网络结构设计的合理性,大部分性能指标明显优于现有方法(P<0.05).该模型能够实现自动且准确地分割MRI中胎盘组织.     

基于生成对抗网络的飞机燃油数据缺失值填充方法

飞机传感器采集的燃油数据是后续燃油测量的基础。在飞行过程中,由传感器采集的数据因存在部分缺失值,如直接进行后续处理将影响燃油测量精度。现有的缺失值填充方法存在两方面问题,一方面易忽视飞机燃油时序数据在时间维度上的上下文依赖关系;另一方面缺少完整的样本数据集进行模型训练。基于此,提出了一种基于生成对抗网络的缺失值填充方法,从而有效解决了传统方法难以处理的时序数据历史隐含规律及样本不完整的问题,且填充效果较其他算法更佳。     

生成对抗网络在图像隐写中的应用

针对传统图像隐写方法面临的安全威胁日益严重的问题,按照基于载体修改、载体选择和载体合成的3类方法介绍生成对抗网络(generative adversarial network,GAN)在图像隐写领域的研究进展,根据不同类型隐写方法的特点,分析当前基于GAN的图像隐写方法的基本思路,阐明GAN的作用、模型实现以及特点。最后总结了将GAN应用于图像隐写中的优势及发展趋势,为图像隐写方法的发展提供可借鉴的思路。     

基于语义模板的医学问答自动生成

通过对大量医学论文的分析,得到了一些满足特定语义关系的概念成分和语法关系,通过定义这些语法结构和慨念元素创建了相应医学问题的模板;利用这些模板,与医学句子进行语法和概念上的匹配获得医学知识,增强了计算机对医学文本的理解,并在此基础上自动生成问答对.实验表明本文的问题生成系统能够获得83%的精确率和42%的返回率.     

网络驱动的未识甲骨字特性及场景语义预测

甲骨学的研究具有重要的文化价值和传承意义,可以极大提高国家的文化自信。未识甲骨字的语义预测是甲骨学研究中最主要的问题,也是传统甲骨学研究中最棘手的问题。现有的计算机技术辅助研究方法无法预测未识甲骨字的语义。利用复杂网络对甲骨文进行了抽象和理解,并对未识甲骨字的场景语义进行预测。首先,以甲骨拓片为基础数据,通过建模构建甲骨字网络;其次,在甲骨字网络之上,分析未识甲骨字的重要性、信息丰富度、闭合性等特性,为预测未识甲骨字的场景语义提供理论依据;最后,根据网络特性和甲骨拓片的上下文语境预测未识甲骨字的场景语义。构建的未识甲骨字特性体系以及预测未识甲骨字的场景语义思路为破译其他未识甲骨字的语义奠定了基础,有助于推动甲骨文考释的进程。     

基于图注意力网络的三维网格分割算法

针对三维网格模型分割质量提升问题,提出了感知几何的图注意力网络。首先,定义了感知几何的图注意力系数,利用节点之间的边特征扩展由网络学习得到的注意力系数,引入与节点局部几何信息相关的注意力系数,更好地反映节点之间的相似性。然后,通过调整网络架构,将三维网格模型的几何特征与标签信息共同作为图注意力网络的输入,使标签信息参与网络训练和验证,并通过残差形式的线性连接实现网络的更稳定输出。大量实验结果表明,本文算法能够获得精确的分割边界,其在PSB数据集上的分割准确率较现有经典算法提升约2个百分点,也取得了更好的兰德指数。同时,通过消融实验验证了算法的合理性。     

五次循环域的生成元

五次循环域K作为分圆域Q(e 2πi/m)的子域,当m是单因子,即为p≡1(mod5)类型素数或等于25时,构建了K的定义义方程,并利用多个单因子域之生成元相合成的方法,对其他情形即m是多因子时,给出了 K的生成元.     

基于语义索引库的语义服务发现

分析了语义服务的结构,提出了一种语义索引库的构建方法.对于每一个注册的服务,抽取出其所有概念,并对每个概念在概念索引库中进行检查,对于不在概率索引库的概念建立索引.对语义服务的输入、输出、前置条件和后置条件分别建立到语义服务的索引,并记录下该语义服务;同时保存该语义服务的其他信息.该索引库免去了查询时进行语义推理的过程,同时由于语义概念均与语义服务相关,避免了大量的无关搜索;另外,由于索引库是采用倒排序索引,极大的减少了搜寻空间.仿真实验表明,该语义索引库的建立极大的提高了语义服务发现的效率.     

基于多层次特征的跨场景服装检索

针对跨场景服装检索如何提取更有表述力的服装特征问题,提出了一种新的基于高层公共特征约束的相似性度量算法。首先,通过类别空间学习提取不同场景域的类别信息;然后,在场景域空间网络用类别信息约束传统对比损失函数,增大对类间负样本对的惩罚以减轻过拟合;最后,融合类别公共特征和域特定特征并通过类别判断进行辅助检索。分析和实验结果表明,新算法对跨场景服装检索的准确度要优于当前前沿的方法。     

基于时空结合的运动物体分割

提出了一种当视频中的运动物体有较大范围的运动时,对其进行分割的方法．首先利用帧差法来快速定位运动物体的位置,并以此作为初始分割结果．然后利用均值偏移法准确估计运动物体的边缘并利用图切割方法建立两者之间联系．考虑到视频的运动连续性,同时引入前一帧分割结果来约束当前帧的分割．该算法同时利用了帧差法和均值偏移法的优点,能够快速准确地分割在视频场景中出现的运动物体．     

基于多重模糊属性的彩色图像分割

提出了一种综合考虑多重模糊属性的彩色图像分割算法.该算法定义了像素的邻域模糊距离,并根据同一区域内部消除亮度信息后彩色部分相关性非常高的原则,利用区域生长方法产生准种子区域和模糊像素集.对于这些准种子区域按照面积大小进行区域提纯,从而得到确信度很高的种子区域;对于模糊像素,利用合理的目标函数确定出它们的区域属性.讨论了区域的紧性和相邻区域之间颜色相似度的权重关系,并用于区域合并.实验表明,算法的分割结果与人的主观视觉感知具有良好的一致性.     

基于多层次特征的跨场景服装检索

针对跨场景服装检索如何提取更有表述力的服装特征问题,提出了一种新的基于高层公共特征约束的相似性度量算法。首先,通过类别空间学习提取不同场景域的类别信息;然后,在场景域空间网络用类别信息约束传统对比损失函数,增大对类间负样本对的惩罚以减轻过拟合;最后,融合类别公共特征和域特定特征并通过类别判断进行辅助检索。分析和实验结果表明,新算法对跨场景服装检索的准确度要优于当前前沿的方法。     

基于层次简化的三维场景快速绘制方法

实时三维场景快速绘制是实现漫游和仿真的基础,提出了一种基于分层简化和碰撞检测的快速渲染算法．该算法先采用八叉树的分层简化三维场景模型,然后用包围盒实现视景的实时碰撞检测,最后采用基于场景剔除的图像缓存技术．从实验结果分析,此方法在效率和显示效果上是可行的．     

基于约束局部模型的全自动桡骨分割

骨龄是衡量少年儿童骨骼发育程度的重要指标.桡骨,作为骨龄评估中的特征骨块,其年龄对骨龄的预测具有重要意义.为预测桡骨骨龄首先需要准确分割桡骨,本文通过基于随机森林回归投票的约束局部模型算法,通过多形状模板的建立,实现桡骨的自动分割,为后续桡骨骨龄的预测提供可靠的依据.     

运用反例基于识别的手写数字串分割

采用基于识别的分割方法进行手写数字串分割.在识别的过程中,运用反例样本估计分类器参数,实验数据表明,这种运用反例样本训练的分类器与没有经过反例样本训练的分类器相比,将提高拒识率到19%左右,从而保证了较高的识别率,验证了只有经过反例训练的分类器的输出结果才是可信赖的.     

基于深度学习的人体图像分割算法

人体图像分割作为人体行为理解和分析的基础,对分割的准确度及实时性都有较高的要求,目前人体图像分割的方法大多只能保证其中一项指标,使得人体图像分割在实际应用上受到很大的限制.本文在深度卷积神经网络的基础上结合反卷积神经网络,提出一种简单有效的基于深度学习的人体图像分割方案.百度人体图像分割数据库上的实验表明,该方法的重叠率为88.77%,单张图片分割耗时为60.7ms.在重叠率和实时性上获得了比较好的平衡,人体图像分割的效果有较大提升,显示出较好的实用价值.     

基于道路监控的图像增强算法研究

为了提高道路监控系统在光照条件变化状况下的人脸识别率,针对采集到低照度彩色图像提出一种将多尺度Retinex算法和限幅自适应直方图均衡化(CLAHE)融合的图像增强算法.首先对含有噪声图像去噪后进行CLAHE处理,可增强图像局部像素的对比度,再通过多尺度Retinex图像增强可有效提高暗区域的细节,最后根据两种算法特点进行加权融合.经过matlab2015b平台仿真测试得到很好的视觉效果,图像的标准差和平均梯度等指标得到了提升,验证了融合算法对图像增强的独特优越性以及算法可行性.     

基于本体的道路标牌自动审核

随着城市规模的不断扩大,道路标牌的有效管理是智能交通中的一个关键问题.本文在基于本体有机整合海量、多源、异构语义数据的基础上,研究基于国家路标设置规范的路标牌位置和内容有效性自动审核,是对语义技术在智能交通应用中的有益探索.首先,对地缘信息中的道路、兴趣点及路标建立统一模型,采用本体技术把海量数据在语义层面上关联起来.其次,对国家路标设置规范中的规则进行分类,对每一类规则分别构造规则模板及为其构造带参数的SPARQL查询,从而将路标设置指南进行规范形式化表示,在此基础上实现对路标牌的自动检测.最后,在构建的实验数据集上进行了实验,实验结果证明,提出的方法路牌检测准正确率达到85.1%,召回率达到92.1%.     

基于人类视觉系统的交通标志优化分割方法

交通标志的有效分割是交通标志识别系统中的关键问题.针对禁令标志颜色特征,结合人类视觉系统的颜色感知特点,首先以颜色分量R（红）、G（绿）、B（蓝）作为输入特征量构造颜色特征粗分类器,再通过计算粗分类结果的特征量与红色特征类标准样本中心的矢量余弦,得到颜色相似度特征灰度图,用改进的Otsu方法实现标志的最终分割,最后给出了通过训练粗分类器优化分割结果的方法.实验结果表明,本文的分割方法可在不同气候条件下,有效地提高交通标志分割效率,具有较好的鲁棒性.