生成对抗网络
- 基于GAN网络的遥感图像去云研究
力机制和生成对抗网络，构建了一种端到端的遥感图像去云网络。通过在RICE数据集上的实验证明，研究的方法在解决云层遮挡问题方面表现显著，成功生成了清晰且无云的遥感图像。总体而言，为水利工程和遥感图像处理领域提供了一种高效的解决方案，尤其在空间信息利用、计算和参数优化方面具备明显优势。关键词：遥感 生成对抗网络 自注意力机制 去云中图分类号：TP751Research on the Cloud Removal of Remote Sensing Imag
科技资讯 2024年8期2024-07-01
- 基于改进的生成对抗网络的动漫头像生成算法
对大部分生成对抗网络在动漫图像的生成上会呈现出训练不稳定，生成样本多样性比较差，人物局部细节上效果不好，生成样本质量不高的问题，文章利用条件熵构造的一种距离惩罚生成器的目标函数，结合注意力机制提出一种改进模型MGAN-ED。模型主要包括融入多尺度注意力特征提取单元的生成器和多尺度判别器。采用GAM和FID进行评估，所做实验结果表明模型有效地解决了模式崩塌的问题，生成图像的局部细节更加清晰，生成样本质量更高。关键词：生成对抗网络；图像生成；多尺度特征；残差结
现代信息科技 2024年4期2024-06-01
- 深度学习下椅子造型特征标签识别与智能设计
签学习；生成对抗网络引言家具有较为明显的要素特征，基于这些要素特征可以把椅子分为很多类别。设计师接受椅子的委托任务时，通常会基于所要求的使用场景、功能风格等进行设计构思，但是始终都会落脚到椅子的造型结构特征上。传统的设计方法中，设计师需要花费大量时间和精力去寻找椅子的相关信息，判别出可以提供设计灵感的图像，分析图像中的设计要素等，从设计知识中激发出可以用于创新的设计灵感，这种漫长的过程耗时耗力，效率不高，进而导致了设计的创新能力不强。随着大数据、人工AI、
设计 2024年8期2024-05-19
- 基于深度神经网络的目标跟踪算法综述
网络； 生成对抗网络中图分类号： TJ760; TP273文献标识码： A文章编号： 1673-5048（2024）01-0001-12DOI： 10.12132/ISSN.1673-5048.2022.02260 引 言目標跟踪作为计算机视觉领域十分重要的分支， 其技术被广泛应用于军事制导、 自动驾驶、 社会安防等各个领域。 在实际应用中存在诸多挑战， 如： 相似目标干扰、 目标形变较大、 目标快速移动等， 因此在面对实际干扰因
航空兵器 2024年1期2024-04-18
- 剪力墙结构智能化生成式设计方法：从数据驱动到物理增强
构设计；生成对抗网络；数据驱动；物理增强；设计评价中图分类号：TU318 文献标志码：A 文章编号：2096-6717（2024）01-0082-11Intelligent generative structural design methods for shear wall buildings： From data-driven to physics-enhancedLIAO Wenjie， LU Xinzheng， HUANG Yuli
土木建筑与环境工程 2024年1期2024-01-03
- 双目标优化与生成对抗网络结合的框架结构阻尼器布置方案智能设计方法
化算法和生成对抗网络算法分别进行阻尼器竖向和水平智能布置研究，并将该方法应用到两个框架结构减震设计工程案例中。在框架结构减震设计中，采用双目标优化算法进行阻尼器竖向布置，并与逐层逼近法、工程师设计和非减震设计进行对比，结果表明，采用该优化算法得到的阻尼器竖向布置方案能有效降低层间位移角和楼层加速度，提高结构的抗震性能。在确定各楼层的阻尼器数量后，利用训练好的生成对抗网络生成模型，可快速、自动地选择和确定各楼层阻尼器的平面安装位置，生成的平面布置与工程师设计
土木建筑与环境工程 2024年1期2024-01-03
- 基于生成对抗网络与特征融合的多尺度音频序列生成方法
一种基于生成对抗网络与特征融合的多尺度音频序列生成方法（multi-scale audio sequence GAN，MAS-GAN），包含多尺度音频序列生成器和真伪—类别判别器。生成器通过3个上采样子网络学习音频序列不同时域和频域的特征，再将不同尺度的特征融合成伪音频序列；判别器通过辅助分类器将生成的伪数据和真实数据区分开，同时指导生成器生成各类别的数据。实验表明，与目前主流的音频序列生成方法相比，所提方法的IS和FID分数分别提高了6.78%和3.75
计算机应用研究 2023年9期2023-10-18
- 基于风格特征的花瑶挑花图案智能设计路径
能设计;生成对抗网络中图分类号： TS941.2; TB472 文献标志码： A 文章编号： 10017003（2023）090112引用页码： 091202 DOI： 10.3969/j.issn.1001-7003.2023.09.013（篇序）随着智能技術在文化领域的全面渗透，对民族图案的数字化与智能化保护、传承和创新的态势日益凸显。民族图案演绎了一个民族的历史文化、人文精神和价值观念，是民族传统文化的重要组成部分，运用新兴技术对民
丝绸 2023年9期2023-09-27
- 基于改进DCGAN轮胎缺陷图像生成方法
深度卷积生成对抗网络的数据扩充方法存在生成图像质量差、模型框架不稳定、模型收敛速度慢等问题，提出一种改进DCGAN轮胎缺陷图像生成模型。将残差网络和注意力机制嵌入到DCGAN模型中，提升模型特征的提取能力；同时摒弃DCGAN损失函数JS散度，使用带有梯度惩罚项的Wasserstein距离，提高模型训练的稳定性。实验结果表明，使用给定模型生成的轮胎缺陷图像质量优于使用DCGAN，WGAN，CGAN与SAGAN所生成图像，其平均FID值可以达到116.28，最
河北科技大学学报 2023年4期2023-09-14
- 基于SA-CycleGAN的3T磁共振图像生成方法
振成像;生成对抗网络;自注意力机制;谱归一化;组合损失函数中图分类号：TP391 文献标志码：A0 引言（Introduction）磁共振成像（MRI）是临床医学常见的影像检查手段，其具有无电离辐射和非侵入性无创伤等特点，因此在临床医学的病理检查和诊断中得到广泛应用[1]。对于磁共振成像设备来说，高场强能带来更好的成像质量，磁共振成像的信噪比与主磁场强度通常成正比，3T的图像质量和信噪比均比1.5T的高，并且能显示更好的解剖细节和组织对比。在神经放射学中使
软件工程 2023年9期2023-09-06
- 基于STGAN的人脸属性编辑改进模型
选择传输生成对抗网络（Selective transfer generative adversarial networks， STGAN）的人脸属性编辑改进模型。运用潜码解耦合思想，将潜码分解为内容潜码和风格潜码单独操作，提高源域图像和目标域图像的内容编码一致性，从而提高属性编辑准确率；同时运用像素级重构损失和潜码重构损失，在总损失函数中加入像素级限制和潜码重构限制，通过互补作用提高生成图像质量。在CelebA人脸数据集和季节数据集上进行实验，该模型相比当
浙江理工大学学报 2023年5期2023-08-30
- 不平衡条件下基于WGAN-DT的变压器故障诊断研究
tein生成对抗网络与决策树相结合的WGAN-DT故障诊断技术。结果表明，样本平衡时，采用WGAN-DT模型在测试集上的故障诊断准确度高达96.00%。关键词：变压器；故障诊断；不平衡数据；生成对抗网络；决策树中图分类号：TP39；TM432 文献标识码：A 文章编号：2096-4706（2023）12-0043-05Research on Transformer Fault Diagnosis Based on WGAN-DT under Unbalan
现代信息科技 2023年12期2023-08-21
- 基于CycleGAN的服装图像混搭风格迁移
格迁移；生成对抗网络；服装款式；服装图案；智能设计；服装设计中图分类号：TS941.26文献标志码：A文章编号：1009-265X（2023）04-0250-09收稿日期：2022－11－11网络出版日期：2023－02－21基金项目：教育部社科规划基金项目（21YJAZH088）；辽宁省教育厅高校基本科研重点攻关项目（LJKZZ20220069）；教育部产学协同育人项目（220404211305120）; 辽宁省教育厅项目（1010152）; 中国纺织工
现代纺织技术 2023年4期2023-08-02
- 基于边缘先验的人脸去手势遮挡修复方法研究
经网络；生成对抗网络；人脸修复；注意力机制中图分类号：TP18；TP391.4 文献标识码：A 文章编号：2096-4706（2023）11-0097-05Research on Face Removal and Removing Gesture Occlusion Restoration MethodBased on Edge PriorOU Jing， WEN Zhicheng（Hunan University of Technology， Zhuzh
现代信息科技 2023年11期2023-08-01
- 基于梯度惩罚生成对抗网络的过采样算法
度惩罚 生成对抗网络的过采样算法（OGPG）。该算法首先引入生成对抗网络（GAN）， 有效地学习原始数 据的概率分布；其次，采用梯度惩罚对判别器输入项的梯度二范数进行约束，降低了 GAN 易出现 的过拟合和梯度消失，合理地生成新样本。实验部分，在 14 个公开数据集上运用k 近邻和决策树 分类器对比其他过采样算法，在评价指标上均有显著提升，并利用 Wilcoxon符号秩检验验证了该 算法与对比算法在统计学上的差异。结果表明该算法具有良好的有效性和通用性。关
上海理工大学学报 2023年3期2023-07-27
- 基于级联注意力与密集特征融合的图像修复算法
一种基于生成对抗网络的新型级联密集生成网络CDGAN（Cascade Densely Generative Adversarial Network），采用encoder-decoder作为生成器主干，利用下采样提取图像特征；为使网络关注修复图像的高频纹理和颜色保真度等有效信息，引入级联的注意力模块，并加入密集特征融合模块扩大网络的整体感受野，充分学习图像特征，提高编码器提取特征的利用率，最后将处理后的图像特征进行上采样重建。在Celeb A和Places2
青岛大学学报(自然科学版) 2023年2期2023-06-23
- 基于多级滤波思想的人脸去手势遮挡恢复方法研究
度学习；生成对抗网络；人脸修复；像素滤波中图分类号：TP391.4 文献标识码：A 文章编号：2096-4706（2023）09-0094-05Abstract： To solve the problems of color difference and loss of main facial recognition features in the process of large-scale face inpainting， this paper p
现代信息科技 2023年9期2023-06-21
- 基于生成对抗网络的服装图像生成研究进展
AE）、生成对抗网络（GAN）。文章围绕GAN研究前沿对其变体发展进行分类梳理，将应用于服装领域最为广泛的条件生成对抗网络（CGAN）在Text-to-Image、Image-to-Image、Image-to-Video中的相关研究成果加以介绍，并分析其优化历程、优缺点以及适用类型；列举GAN在服装图像生成中的具体应用，包括服装横幅广告自动生成、个性化服装推荐与生成、服装与图案设计、虚拟试衣；最后针对服装图像生成研究挑战作出总结。研究认为，未来可在多模态
现代纺织技术 2023年2期2023-06-20
- GAN-CNN-GRU在光伏最大功率点跟踪中的应用
一种基于生成对抗网络（GAN）、卷积神经网络（CNN）和门控循环单元（GRU）的混合预测模型，预先使用GAN对光伏发电原始环境数据进行数据扩充，再用CNN提取不同光伏太阳能板的环境数据特征，最后利用GRU进行最大功率点电压的预测。仿真结果表明，该混合预测模型可避免陷入局部极值的情况，可以有效提高复杂光照强度条件下的最大功率点跟踪效率。关键词： 光伏电池； 最大功率点跟踪； GRU神经网络； CNN神经网络； 生成对抗网络； 仿真中图分类号：TM615
计算机时代 2023年6期2023-06-15
- 基于对抗攻击的IDS规避流量生成方案
案，使用生成对抗网络训练规避模型，并用黑盒模型的输出计算损失值，在多种机器学习分类器下均能实现良好的规避效果。该方案可作为扩展应用嵌入到IDS测试平台上，提升IDS测试平台对各类IDS设备测试的全面性。关键词：规避技术；入侵检测系统；对抗攻击；生成对抗网络中图分类号：TP393 文献标识码：A文章编号：1009-3044（2023）01-0088-031 背景入侵检测系统（IDS） 作为一种主动防御技术，通过检测并分析网络中的各类流量，对网络中的
电脑知识与技术 2023年1期2023-05-30
- 基于深度学习的楚国墓葬纺织品图像复原
方法中的生成对抗网络模型（GAN），针对残缺的纺织品文物，在图像层面进行补全修复，避免了对纺织品文物的接触，减少在修复过程中对文物的二次损毁。通过数字化方法复原纺织品文物的图像，使其结构完整，纹样连贯，从主观评价方面具有较好的复原效果。复原后的纺织品文物图像可以用于指导实物复原、展览展出等，对楚国墓葬纺织品的研究具有一定的借鉴意义。关键词： 深度学习;图像复原;生成对抗网络;楚国墓葬;纺织品文物;破损纺织品中图分类号： TP941.26; TS391.72
丝绸 2023年5期2023-05-21
- 基于ChipGAN-ViT模型的汉绣艺术风格迁移与模拟
利用循环生成对抗网络对风格图像和内容图像进行风格迁移；其次，采用 Sobel算子对汉绣图像进行边缘轮廓提取，以满足汉绣数字化模拟的内容图像需求；最后，对生成的风格迁移图像进行超分辨率处理获得最终汉绣数字化图像。实验结果表明：该方法可有效模拟出汉绣平顺且配色丰富的艺术特点，相比传统的ChipGAN、CNN算法迁移时间缩减了30.58%和41.52%。所提出的汉绣风格迁移方法是对风格迁移技术的有效补充，为汉绣图案的创新设计提供了新的可能。关键词：风格迁移；生成
纺织工程学报 2023年2期2023-04-29
- 基于生成式零样本学习的未知恶意流量分类方法
利用条件生成对抗网络生成类别样本.同时，本文还添加了类级别的对比学习网络，使得生成的类别样本质量更高并且更具有类间区分度.实验结果表明，该方法在未知恶意流量分类问题上平均准确率能够达到90%以上，具有较高的应用价值.关键词 ： 零样本学习; 未知恶意流量; 生成对抗网络; 对比学习中图分类号 ：TP39308 文献标识码 ：A DOI ： 10.19907/j.0490-6756.2023.042003Unknown malicious traffic
四川大学学报(自然科学版) 2023年4期2023-04-29
- 基于人工智能的网络空间安全防御策略研究
间安全；生成对抗网络；安全防御机制中图分类号：TP393.2 文献标识码：A1引言（Introduction）在2021年公布的十大最新技术排行榜中[1]，人工智能与网络空间安全技术均位列其中。随着网络在经济、政治、文化等领域的全面应用，与网络相关的公共安全问题不断增多，每年全球在网络空间安全上的花费超过数十亿美元，中国、美国、俄罗斯等国家相继出台了针对网络空间安全领域的建设规划。全面加强网络空间安全软件和硬件设施建设，是保障社会稳定、推动国家治理体系和治
软件工程 2023年4期2023-04-07
- 基于双重判别解码器的三维点云形状补全网络
然后根据生成对抗网络框架优化解码器结构，通过将全局特征进行解码获取目标骨架点云，保证点云的全局特征，进而在对骨架点云的基础上进一步进行局部点云细化生成判别，保证目标点云的局部特征。最后面向特征缺失拼接模型搭建双分支形状补全网络。实验结果表明在公开数据集ShapeNet的点云补全实验中，本文方法的平均误差更小，相较对比网络，本文方法在碗状文物模型的三维形状补全任务更好，平均倒角距离提高了20.2%，为后续的模型逼真化提供了一个基础，具有更强的性能和良好的应用
哈尔滨理工大学学报 2023年5期2023-03-16
- 基于MD-CGAN的脑部肿瘤图像生成方法研究
环一致性生成对抗网络（MD-CGAN）的样本生成方法.利用所提出的MD-CGAN生成脑部肿瘤病理区域图像，将生成的脑部肿瘤病理区域图像覆盖脑部正常图像子区域，合成得到脑部肿瘤MR图像.MD-CGAN引入的双对抗损失避免了模型崩塌问题的产生，引入的循环一致性损失函数可以保证脑部正常子区域图像生成脑部肿瘤病理区域图像，从而使得MD-CGAN生成的图像具有高质量和多样性.以FID值作为评价指标，利用本文提出的MD-CGAN与近几年较经典的生成网络生成脑部肿瘤病理
湖南大学学报·自然科学版 2022年8期2022-11-14
- 基于生成对抗网络的个人信用风险评估研究
的不平衡生成对抗网络来缓解当前的类别不平衡信用评分问题。具体地说，本文设计了一个融合模块，将来自多个来源的异构信用数据整合到一个统一的潜在特征空间中。然后设计了一个基于生成对抗性网络（GAN）的平衡模块，为不平衡数据集的少数类生成新样本的潜在表示。最后将GAN的性能与多种传统的机器学习采样算法进行了比较，实验表明本文所提出的GAN在真实数据集上具有明显优于比较方法的性能。关键词：信用风险评估;数据不平衡;生成对抗网络1.引言近年来，我国人民的收入和消费能力
科教创新与实践 2022年14期2022-06-26
- HCGAN：一种基于GAN的高容量信息隐藏算法
一种基于生成对抗网络的高容量信息隐藏算法（High Capacity Information Hiding Algorithm Based on GAN，HCGAN）.在秘密信息嵌入方面，使用基于Im-Residual结构的编码器将秘密信息嵌入载体图像中，避免了秘密信息嵌入時由卷积层提取特征导致的信息损失.在秘密信息提取方面，使用基于稠密结构的解码器从含秘图像中提取出秘密信息，利用特征复用来增加秘密信息的提取率.在抗隐写分析方面，利用基于隐写分析的鉴别器与
湖南大学学报·自然科学版 2022年4期2022-05-30
- 一种基于深度学习的移动端隐写方法
平衡.以生成对抗网络的思想，将编码器、解码器和判别器构成的整体模型纳入对抗训练中，使子网络在迭代对弈中实现螺旋式上升发展.为应对真实环境下的各类挑战，模型被落地部署于移动设备上进行真机实验.在移动端，精简后的模型性能会出现小幅下降.对此，在方法中引入BCH糾错码以确保正确提取信息.实验结果表明，该移动端隐写方法生成图像质量好，且具有较高的响应速度，能满足现代社会中人们对便捷性的高要求.值得注意的是，该方法的所有计算工作均可在移动端独立完成，不需要通过网络请
湖南大学学报·自然科学版 2022年4期2022-05-30
- 基于元学习的图像翻译算法
翻译利用生成对抗网络和比较多的训练数据能够取得不错的性能。但现有的图像翻译模型是采用一种一次性的方式形成，其中忽略了训练过程的学习经验，所生成的模型只能适用于特定的领域，不能适应一个未知的领域。该文在循环一致性生成对抗网络的研究基础之上，尝试从元学习的角度来处理这一类问题。关键词：循环一致性生成对抗网络;元学习;图像翻译;生成对抗网络;计算机视觉中图分类号：TP183 文献标识码：A文章编号：1009-3044（2022）22-0070-021
电脑知识与技术 2022年22期2022-05-30
- 基于深度神经网络的秒变妆容系统
CNN和生成对抗网络GAN，在人脸图片分析方面有着重要影响。文章基于神经网络CNN和GAN生成对抗网络，在深度神经网络算法下对人脸图片进行特征点提取，根据人脸特征点，在不改变人脸特征的前提下，对人脸图片进行上妆，节约用户时间的同时还减少了不必要的资源浪费。关键词：卷积神经网络；生成对抗网络；人脸图片；上妆中图分类号：TP18 文献标识码：A文章编号：1009-3044（2022）27-0033-03开放科学（资源服务）标识码（OSID）：1 概述
电脑知识与技术 2022年27期2022-05-30
- 基于改进生成对抗网络的图像去噪方法
于改进的生成对抗网络GAN的图像去噪方法。该方法首先给在ImageNet数据集中随机挑选出的原始图像分别加上0.15、0.25的高斯噪声得到带噪声的模糊图像，然后将模糊图像输入到增加了残差网络的生成网络里得到去噪图像，将原始图像和去噪图像一同输入到判别网络里进行训练，训练时采用特定的损失函数来优化训练，最后用峰值信噪比和结构相似性两个指标来衡量该方法与其他方法的去噪结果。实验结果表明，该网络的改进部分不仅解决了用传统方法去噪时容易丢失图像的细节或边缘信息的
电脑知识与技术 2022年12期2022-05-29
- 让数据无中生有的魔法师：生成对抗网络
一种叫做生成对抗网络（Generative Adversarial Network，简称GAN）的技术生成的。2018年图灵奖由人工智能专家和深度学习“三巨头”辛顿（G. Hinton）、杨立昆（Yann Lecun）和本吉奥（Y. Bengio）共同获得。其中，本吉奥为加拿大蒙特利尔大学教授，蒙特利尔学习算法研究所创始人，他的重要贡献之一就是关于GAN的研究。而关于GAN的发明，还有一个非常有趣的小故事。2014年， GAN[1]的发明者之一古德费洛（I
科学 2022年2期2022-05-07
- 基于三者对抗生成网络的人脸转正方法
者对抗的生成对抗网络（GAN）人脸转正方法。实验中通过引入超参数6进行比例控制生成器和判别器的交替训练，避免模式崩溃并提高了训练效率。大姿态人脸转正实验表明，该方法在CFP数据集对侧脸转正效果的Rank识别准确率达到了68.7%，与 DR-GAN相比提高了4.4%，验证了所提出的方法能够有效生成正面人脸图像且较好地保留人脸的身份特征。关键词：人脸转正;生成对抗网络﹔三者对抗;分类器;特征提取中图法分类号：TP391文献标识码：AFace correctio
计算机应用文摘 2022年9期2022-04-29
- 一种基于正交约束的隐空间多语义学习方法
要：探索生成对抗网络隐空间的语义信息是当前生成对抗网络图像可控生成方向的研究热点。目前的研究在探索隐空间的语义时往往每次只学习某一个属性对应的语义方向，而这种方式没有考虑不同语义方向之间可能发生纠缠的问题，因此在控制生成图像某一属性变化时会影响到其他属性。为了解决此类问题，提出了一种基于正交约束的多语义学习方法，该方法在同时学习多个语义方向的训练过程中加入正交约束以减少不同语义方向之间的关联性，从而避免了不同语义方向间的纠缠问题。基于大规模生成对抗网络（B
电脑知识与技术 2022年6期2022-04-09
- 基于半监督学习的图像去雾算法
练部分将生成对抗网络作为基础，采用马尔可夫判别器以提高网络对细节的恢复能力。实验结果表明，所提算法在去雾程度、纹理清晰度等方面都有所提升，提高了算法对真实图像的泛化能力。关键词：图像复原;图像去雾;深度学习;半监督学习;生成对抗网络中图分类号：TP391.41 文獻标志码：A雾是一种常见的自然天气现象，由于光线在雾天传播中发生散射、折射、吸收，导致成像设备在雾天的成像质量大幅度下降。目前多数设备都是依赖于清晰图像而设计的，在雾天中会出现性能快
青岛大学学报(自然科学版) 2022年1期2022-03-16
- 基于DRAGAN的通信信号波形生成技术
无悔分析生成对抗网络（deep regret analytic generative adversarial networks，DRAGAN）重構信号的方法。首先利用无悔算法（no-regret algorithms）对判别器损失函数进行约束，判别器的梯度被迫向更加稳定的方向变化;其次通过生成器与判别器的对抗学习，生成器的分布逐步拟合到目标数据的潜在分布;最后构建具有特定帧的复杂信号模型，并据此进行DRAGAN方法的实验验证。仿真实验结果表明，在信噪比为9
河北工业科技 2022年1期2022-02-14
- 基于DCGAN的机械振动信号扩充方法
关键词：生成对抗网络;振动信号;机械振动Key words： GAN;vibration signal;mechanical vibration 中图分类号：TH113.1 文献标识码：A 文章编号：1674-957X（2021）23-0113-030 引言基于机器学习的智能模式识别方法近年来快速发展，在语音识别、自然语言
内燃机与配件 2021年23期2021-12-09
- 基于生成对抗网络遥感图像重建技术研究
通过改进生成对抗网络，删除BN层完成了将低分辨率图像到高分辨率图像的有效重建，经过对比与之前的重建算法在评价指标上都有提升，能够服务以后的工作任务。关键词：遥感影像;生成对抗网络;图像高分辨率重建引言近年来随着我国卫星技术的发展，我国遥感影像清晰度也在不断提高，这使得遥感影像的应用方向不断提高，但是目前在商用的卫星影像中，还存在清晰度差，图像边缘模糊的问题，在一些土地测绘，土地确权项目中不能够很好地为项目提供影像依据与数据支撑。依托目前机器学习的兴起，神经
科学与生活 2021年23期2021-12-06
- 基于生成对抗网络的医学图像超分辨率重建
一种基于生成对抗网络的医学图像超分辨率重建方法。使用生成对抗网络架构，由生成器重建高分辨率图像，再将生成器生成的高分辨率图像送入判别器判断真伪。通过实验验证了该方法的有效性，在视觉效果和数值结果上都有所提高。关键词： 生成对抗网络; 超分辨率重建; 残差网络; 医学图像中图分类号：TP391.41 文献标识码：A 文章编号：1006-8228（2021）10-15-05Super-resolution reconstruction
计算机时代 2021年10期2021-10-24
- 短视频合成的算法逻辑与风险问题
；算法；生成对抗网络；透明性中图分类号 G2 文献标识码 A 文章编号 2096-0360（2021）15-0054-03社交媒体时代，短视频因其传播速度快、内容轻量化等特点，深度切合当前用户碎片化的使用场景，已成为人们获取新闻资讯的一种主要形态[1]125。中国网络视听节目服务协会发布的《2020中国网络视听发展研究报告》数据显示，截至2020年6月，短视频用户规模已达8.18亿，从人均使用时长看，短视频应用人均单日达110分钟，超过即时通信，成为第一大
新媒体研究 2021年15期2021-09-18
- 论生成对抗网络在中学历史教学中的应用技巧
工智能的生成对抗网络技术辅助教学。这种方法可用于新课导入和学生疲倦时，但要注意与教学内容紧密结合，不可滥用。研究者结合历史教学实例对此进行了阐释。[关键词]人工智能;生成对抗网络;中学;历史教学人工智能（Artificial Intelligence，简称AI）是对人的意识、思维的信息过程的模拟，制造出能够像人类一样思考的机器是科学家们最伟大的梦想之一。人工智能是一个研究范围十分广泛的学术领域，包括机器学习、语言识别、图像识别、自然语言处理和专家系统等。大
基础教育参考 2021年8期2021-09-05
- 基于听觉掩蔽生成对抗网络的单通道语音增强方法
听觉掩蔽生成对抗网络的单通道增强方法，通过听觉掩蔽增强模型和判别器构成的对抗过程，来使增强后的语音特征满足目标语音的概率分布。实验结果表明，就语音识别率而言，所提出的听觉掩蔽生成对抗网络超越了现有的增强方法，能够相对减少19.50%的词错误率，显著提升语音识别系统的噪声鲁棒性。关键词： 听觉掩蔽;生成对抗网络;单通道语音增强;鲁棒语音识别文章编号： 2095-2163（2021）03-0209-06 中图分类号：TP183 文献标志码：A【Abstract
智能计算机与应用 2021年3期2021-08-09
- 基于生成对抗网络的动漫头像生成研究
发，基于生成对抗网络，结合编码器、残差网络、解码器，经过编码器改变图像的维度，最后利用解码器将提取到的特征数据生成近似于原始图像的数据集。生成对抗网络本身固有的缺点会导致最后的效果并不是很好，于是尝试对生成对抗网络进行深度卷积的改进，再加上WGAN的梯度惩罚思想来优化自编码器基础上的生成对抗网络。关键词：深度学习;生成对抗网络;数据生成;深度卷积中图分类号：TP391 文献标识码：AAbstract： In deep learning， data
软件工程 2021年6期2021-07-20
- SCGAN：合成单类别表格数据的生成对抗网络
集上训练生成对抗网络：逐次对每一类数据进行合成，利用合成数据训练分类器模型，使用gmean来评估模型的性能。结果表明，单独生成每一类数据能够提升模型的分类性能。关键词： 合成数据; 度量损失; 生成对抗网络; 分类器中图分类号：TP391 文献标识码：A 文章编号：1006-8228（2021）04-25-03Abstract： In order to improve the quality of tabular data syn
计算机时代 2021年4期2021-06-29
- 视频帧预测算法探究
码器 ;生成对抗网络;注意力机制;强化学习中图分类号：TP391 文献标识码：A文章编号：1009-3044（2021）10-0249-03Abstract：Video prediction has always been a key issue in the computer vision field.Because of its extensive pratical and theoratical values，the video predi
电脑知识与技术 2021年10期2021-06-28
- 一种改进的SRGAN图像超分辨重建算法
缺点。在生成对抗网络的超分辨率算法（SRGAN）基础上，将轻量化的密集连接网络（DenseNet）作为生成对抗网络的生成器，使用WGan对判别器进行优化，利用Wasserstein代替SRGAN的JS散度，使其能够在网络参数更少、计算量更小的基础上实现更优的性能。实验结果表明，在四个公开的数据集上，所提出的模型比较主流重建模型在图像重建质量的峰值信噪比（PSNR）和结构相似性（SSIM）两个客观指标和主观视觉效果上都有所提高。关键词： 图像重建; 轻量化;
计算机时代 2021年1期2021-06-08
- 深度学习在航天测控设备健康管理中的应用
督学习;生成对抗网络中图分类号：TP18文献标志码：A文章编号：1008-1739（2021）04-68-60引言设备健康管理技术是指利用尽可能少的传感器采集系统的各类数据信息，借助各种推理算法和智能模型来监控、预测和管理系统状态，评估系统自身的健康状态，并结合各种可用资源和约束条件触发最佳维修决策[1]。近十年来，在军事、民航等各个领域，设备健康管理技术得到了广泛应用[2]。随着科技的不断发展，一方面机械设备向着复杂化、集成化的方向发展，尤其对于机械电子
计算机与网络 2021年4期2021-05-04
- 基于生成对抗网络的书法纺织图案设计开发
深度学习生成对抗网络的传统纺织图案开发方法。该方法解决了传统开发方法技术壁垒高、效率低、可控性差、资源损耗大等问题，同时在深度学习层面解决了中国传统纺织图案样本少、规格杂、重意不重形等训练难点。经对比实验、主观评估与设计运用，该方法相较当前典型方法更适合应用于传统纺织图案的设计开发，具备先进性与实践价值。关键词： 生成对抗网络;纺织品设计;深度学习;传统图案;中国书法Abstract： With the formation of a global patt
丝绸 2021年2期2021-03-15
- 生成对抗网络在虚拟试衣中的应用研究进展
摘要： 生成对抗网络（GAN）的出色性能，使得深度学习在虚拟试衣中的应用得到新的发展，可以应对虚拟试衣中诸多问题和需求。GAN能够产生高度真实的输出，与原始训练分布非常接近，成为当下实现虚拟试衣不容忽视的工具。文章围绕这一研究前沿与热点问题，对GAN及其在虚拟试衣中的发展进行了简单的回顾;其次从GAN生成虚拟试衣结果的特征类别出发，先后介绍了在2D图像、3D模型及视频的虚拟试衣上的应用，总结分析了它们的运作机制、优点、局限性及适用场景;最后，讨论了GAN在
丝绸 2021年12期2021-01-03
- 基于CycleGAN和时频分析的艺术图像风格转换
迁移; 生成对抗网络; 图片处理; 表征学习中图分类号：TP-183 文献标识码：A 文章编号：1006-8228（2020）12-41-06Abstract： In order to meet the needs of ordinary people for artistic creation， it is extremely important to lower the threshold of artistic creati
计算机时代 2020年12期2020-12-29
- 行人重识别算法综述
术。随着生成对抗网络的发展，行人重识别技术也得到了突破。本文根据生成对抗网络对数据集扩充的角度，对现有行人重识别文献进行详细的总结和分析。关键词 行人重识别;深度学习;生成对抗网络;计算机视觉行人重新识别是指给定目标行人图像，从其他的摄像机捕获的图像中重新识别目标行人的过程。行人重识别可以弥补当前固定摄像机的视觉限制，可以与行人检测、姿态估计方向相互配合，用于视频监控、智能安全等领域。生成对抗网络[1]在近几年得到了蓬勃的发展，其中一个重要应用就是图片生成
科学与信息化 2020年27期2020-10-09
- 基于生成对抗网络的Q学习能耗预测方法
——基于生成对抗网络的Q学习能耗预测算法（Reinforcement Learning Algorithm Based on Generative Adversarial Networks，GAN_RL）。該算法首先将能耗数据转化成时间标记的数据，同时利用生成对抗网络生成部分建筑能耗数据，并将其加入原始能耗数据之中，将前几个时辰的能耗数据通过环境状态进行建模，结合Q学习方法预测后续能耗。该算法采用结合生成对抗网络与Q学习的方法解决了能耗数据不足的问题。实验
电脑知识与技术 2020年23期2020-09-27
- 基于深度学习的多角度人脸识别研究
方法。在生成对抗网络作为基本结构的基础上，分别对生成器和判别器加以改进，通过提取得到一个与角度无关的身份信息特征，进而实现多角度的人脸识别。关键词 多角度：人脸识别;生成对抗网络总结近年来在多角度人脸识别方面的相关工作，方法大致可以分为两类，一类是采用人脸正面化的方法合成正面人脸，然后运用传统的人脸识别方法实现。另外一类是通过模型从非正面人脸图像中学习一种与人脸角度无关的特征[1]。基于深度学习的多角度人脸识别充分利用这两类方法的优点，通过一个新的网络框架
科学与信息化 2020年23期2020-09-06
- 生成对抗网络图像类别标签跨模态识别系统设计
设计一种生成对抗网络图像类别标签跨模态识别系统。将待识别图像输入系统跨模态多标签标定模块中，该模块采用卷积神经网络构建图像模型和文本模型，采用同质迁徙学习和混合迁徙学习训练两个模型，融合训练后的图像内容和说明文本两种模态，多模态类别标签标定图像;将标定图像传输到生成对抗网络中，该网络采用流行一致方法结合生成器生成的图像和隐变量、真实图像和编码器获取的图像特征，将结合结果传输到鉴别器后采用循环交替优化方式训练对抗网络，输出图像类别标签识别结果。经过实验分析发
现代电子技术 2020年8期2020-08-03
- 基于生成对抗网络的跨模态行人重识别研究
使用循环生成对抗网络减小模态差异，使用度量学习降低外观差异。同时，还提出一个跨模态的图像融合模块。在RegDB和SYSU-MM01数据集上的实验结果证明了该方法的有效性。关键词：生成对抗网络;行人重识别;跨模态中图分类号：TP391.41 文献标识码：A 文章编号：2096-4706（2020）04-0107-03Abstract：The problem of cross modal pedestrian recognition of infrar
现代信息科技 2020年4期2020-07-31
- 生成对抗思想在强化学习技术中的研究与应用
近年来，生成对抗网络技术和强化学习技术取得了很大的进步，前者主要研究了生成对抗网络应用于分布建模的基本原理，而后者研究了智能体如何在与环境交互过程中学习最优策略的基本问题。实际上，这两个技术在思想层面上存在着交叉与耦合，本文将深入探讨生成对抗思想在强化学习技术中的研究与应用，并在数学形式上揭示其异同。【关键词】 生成对抗网络 强化学习 深度学习引 言2014年，Ian Goodfellow首次提出了一种名为生成对抗网络（Generative Adversa
大经贸 2020年2期2020-05-08
- MeGAN:基于多任务增强生成对抗网络的图像合成
任务增强生成对抗网络的图像合成方法。该方法构建多任务学习框架，改善人脸表情生成的多样性;通过设计双域卷积模块，利用具有补偿的频域信息改善空域特征映射;引入多尺度自适应激活函数，对不同特征进行自适应修正，进一步提升网络性能和特征映射效果。实验结果表明，该文方法能够同时生成多种逼真的人脸表情图像，与现有先进的图像合成方法相比，具有更好的定性和定量评估结果。关键词：深度学习;生成对抗网络;图像合成;人脸表情;多任务学习中图分类号：TP391.41DOI：10.1
西北大学学报(自然科学版) 2020年3期2020-04-29
- 多类农作物病虫害的图像识别应用技术研究综述
提出采用生成对抗网络（generative adversarial networks，简称GAN）技术来扩充农作物病虫害数据库，并采用基于移动端APP的深度学习识别模型等技术作为未来农作物病虫害识别技术研究的方向与目标，为农业生产提供病虫害决策支持服务，及时准确诊断农作物病虫害情况。根据不同的病情给出用药指导及早治疗，可以有效遏制病虫害的蔓延，降低对作物产量的影响;通过减少用药量达到治疗目的，有利于农业生产提质增效、保障食品安全、维护人类健康。关键词：农作
江苏农业科学 2020年22期2020-03-03