【摘 要】
:
图像复原与重建是机器视觉及图像科学中的基本问题,其旨在从退化图像或观测信号估计出潜在的真值图像。基于数据集训练的深度神经网络模型是现代图像复原与重建的一种主流方法。但在实际场景中,训练数据的采集通常代价高昂,对某些领域甚至不可行。而且,数据集的偏差及模型的记忆效应容易导致复原或重建的图像丢失新颖特征,不利于科学发现。近年来出现了基于深度图像先验的单样本自监督图像复原及重建方法,通过在单张退化图像或
论文部分内容阅读
图像复原与重建是机器视觉及图像科学中的基本问题,其旨在从退化图像或观测信号估计出潜在的真值图像。基于数据集训练的深度神经网络模型是现代图像复原与重建的一种主流方法。但在实际场景中,训练数据的采集通常代价高昂,对某些领域甚至不可行。而且,数据集的偏差及模型的记忆效应容易导致复原或重建的图像丢失新颖特征,不利于科学发现。近年来出现了基于深度图像先验的单样本自监督图像复原及重建方法,通过在单张退化图像或单份测量数据上进行训练与测试,避免了训练数据集的采集与使用。然而,这些方法性能欠佳,其效果远不及基于数据集预训练的深度模型。本文针对四个常见的图像复原及重建任务,研究有效的单样本图像自监督复原与重建方法,旨在突破现有方法的性能瓶颈,缩小与预训练模型的性能差距。本文研究的核心思想是引入并利用模型不确定性,克服深度图像先验的含糊性问题,提高模型的预测精度。围绕模型不确定性,本文从模型集成、歧义解分布、贝叶斯估计的角度进行逐层深化的研究,并针对不同应用,对训练机制和模型架构进行设计。具体包括:1)针对图像去噪,使用Dropout对去噪网络引入不确定性,以此实现模型自集成,降低单样本学习中的预测方差,并提出一种盲点学习机制实现无偏估计,避免网络退化成单位映射。2)针对图像非盲反卷积,提出一种不确定性驱动的空间自适应Dropout,以此引入模型不确定性去刻画并克服模糊算子近似零空间所导致的歧义解,并设计抗噪自监督损失函数,实现在模糊算子像空间上的无偏估计。3)针对超光谱图像重建,运用模型不确定性刻画并克服编码孔径测量算子零空间所导致的歧义解,并使用随机池化引入模型不确定性,加速学习收敛,同时引入深度展开网络架构,利用成像机制改善深度图像先验。4)针对图像相位重建,建立基于模型不确定性的方法与最小均方误差估计器的理论联系,并提出一种不确定性量化方案,实现在像素级别上对复原及重建精确性的定量评估。本文方法的有效性通过大量实验得到了验证,其性能不但远超已有的自监督方法,而且在某些场景下超过了数据集预训练模型。这表明了单样本自监督模型能作为数据集预训练模型的有效补充,在训练数据受限的场景下发挥重要作用。
其他文献
作为一种分子振动光谱,表面增强拉曼散射(SERS)光谱技术可以提供分子丰富的“指纹信息”,灵敏度高,可以实现快速原位无损分析,已广泛用于食品安全、环境分析、生物医学和药物检测等领域。SERS技术在分析检测方面表现出的巨大优势,可以用于保健产品中非法添加化学药物的检测。本文制备了两种功能化的银纳米粒子作为SERS基底,用于不同种类化学药物的定性分析和定量检测。采用原位还原法在金属有机骨架(MOFs)
目标检测往往假设训练数据集和测试数据集采样于同一分布,但这在现实条件下往往不成立,从而影响目标检测性能。基于域适应的目标检测可将在有标签的源域数据集上训练的检测器泛化到另一无标签的目标域数据集上,摆脱新数据集上繁重的标注工作。本文创造性地提出了两种域适应目标检测模型。现有方法一般将鉴别器部署在检测网络不同阶段并通过对抗训练拉近源域和目标域间的图像级特征或物体实例级特征,或用风格迁移拉近像素级特征。
Kdm1b(Lysine Demethylase 1B)是一种对H3K4、H3K9组蛋白具有去甲基酶活性的表观遗传修饰因子。近期研究报道,Kdm1b在多种肿瘤细胞中高表达,能够促进增殖、抑制凋亡,与肿瘤的发生发展密切相关。也有报道称,Kdm1b可诱导肿瘤中多能性因子SOX2和NANOG的表达。然而,关于Kdm1b在体细胞重编程过程中的功能却鲜有报道。诱导多能干细胞(Induced pluripot
随着智能设备的普及和互联网技术的快速发展,近年来出现了许多基于位置的服务,因而产生了大量实体(例如行人、车辆和无人机)的轨迹数据。这些数据中包含了许多有价值的信息,例如实体的位置、速度、加速度等。通过进一步挖掘和分析轨迹数据,可以提取出更多潜在的特征信息并且进一步应用于多个研究领域的相关任务,尤其是在自动驾驶中;它可以用于提高预测周围实体未来轨迹的能力,从而辅助目标车辆做出安全和有效的下一步动作。
碳点(CDs)作为一种新型的零维碳纳米材料,由于其出众的光学性质、光电效应、良好的生物相容性、环境友好性等优点而被广泛研究。碳点的发光性质通常与碳源和制备方法息息相关,合适的碳源选择和简单的制备方法对推动碳点的广泛应用,加速碳点工业化的发展显得尤为重要。在碳点的制备方法上,与常用的水热/溶剂热法相比,煅烧法制备碳点具有操作简单,对工业设备要求较低的特点。在碳源的选择上,以生物质废料作为碳源来制备碳
千金子为大戟科植物续随子(Euphorbia lathyris L.)的干燥成熟种子,具有泻下逐水、破血消癥的功效。国内外学者从千金子中分离出多种化学成分,其中二萜醇酯类化合物是主要的功效成分,具有抗肿瘤、抗炎、祛斑、美白等药理作用。同时有研究表明,千金子与千金子提取物均具有一定的毒性,有文献报道千金子的毒性部位在脂肪油中,并证实其中的几种二萜醇酯类成分具有一定的毒性。这说明千金子中的二萜醇酯类成
随着信息技术的迅速发展,网络上可用的信息呈指数级别增长,人们很难从海量的数据中筛选出有用的信息并做出正确选择,这就导致了信息过载问题。推荐系统的目的在于有效挖掘用户兴趣并缓解信息过载问题,因此成为了电子商务、信息门户等在线服务平台的重要组成部分。本文除利用用户和商品历史交互信息外,还引入了用户社交信息和商品知识信息作为额外信息辅助推荐任务,进一步缓解了数据稀疏问题,但与此同时也带来了一些额外的挑战
作为明星大环化合物之一,β-环糊精(β-CD)是由7个D-吡喃葡萄糖残基组成的环状寡糖。β-CD不仅拥有疏水内腔,可以通过主-客体相互作用包合非极性的客体分子;其外缘拥有大量的极性羟基基团,具有亲水性。因此β-CD既是超分子组装体的理想构建单元也是良好的亲水化合物。鉴于上述特点,基于β-CD构建的超分子组装体已在多个研究领域引起了关注,尤其是生物化学领域。β-CD超分子组装体具有优异的生物相容性和
随着信息技术的飞速发展,人类在社会活动中产生了海量的数据。如何有效地利用获得的数据成为许多行业的现实问题。机器学习可以从数据中挖掘有效信息,已经广泛应用于不同行业。然而在实际应用中,机器学习算法会受到不平衡数据的影响。传统的机器学习算法假设数据样本的分布是均衡的。当传统机器学习算法应用于不平衡数据时,会使算法偏向于多数类,导致分类效果不佳。不平衡数据分类已经成为机器学习领域的一大热点。本文针对不平
随着信息社会的发展,越来越多的企业和个人选择利用软件即服务(Saa S)将自身的业务上云。这些Saa S云租户省去了开发与维护系统的麻烦,而Saa S提供商也通过在多租户间共享资源摊平了成本。但现有的Saa S平台中,少有全流程集成数据分析与机器学习服务的方案,当租户系统中积累的数据越来越多,如何在Saa S平台上对租户的数据价值进行深度挖掘,是需要解决的问题。因此,本文聚焦于研究云架构模式的多租