【摘 要】
：
随着计算机时代的发展,图像修复技术已经得到广泛应用,成为计算机视觉领域中的一个重要任务。最近,基于深度学习的方法在图像修复这种复杂问题上已经显示出有希望的结果。这些方法从缺失区域上下文生成语义连贯的补丁,能够生成视觉上可信的图像结构和纹理,但容易产生与周围区域不一致的伪影图像。相比之下,传统的图像修复方法通过复制图像补丁来填充缺失区域,修复效果平滑,但无法学习到图像的高级语义信息。本论文针对目前图
论文部分内容阅读
随着计算机时代的发展,图像修复技术已经得到广泛应用,成为计算机视觉领域中的一个重要任务。最近,基于深度学习的方法在图像修复这种复杂问题上已经显示出有希望的结果。这些方法从缺失区域上下文生成语义连贯的补丁,能够生成视觉上可信的图像结构和纹理,但容易产生与周围区域不一致的伪影图像。相比之下,传统的图像修复方法通过复制图像补丁来填充缺失区域,修复效果平滑,但无法学习到图像的高级语义信息。本论文针对目前图像修复方法的局限性,结合深度学习的原理,提出了两种基于生成对抗网络的图像修复方法:1.基于多尺度生成对抗网络的图像修复方法。该方法的生成器网络利用深层特征图生成不同分辨率大小的修复图像。另外,在全局判别器和局部判别器的基础上加入多尺度判别器。多尺度判别器在不同分辨率的图像上进行训练,不同尺度的判别器具有不同的感受野,从而引导生成器生成更全局的图像视图以及更精细的细节。2.基于跨层注意力转移机制的图像修复方法。该方法使用了跨层注意力转移模块（CL-ATM）。通过计算高级语义特征图中缺失区域与已知区域补丁之间的余弦相似度,经过softmax得到注意力得分图,然后利用该图指导具有更高分辨率的低级特征图中相关特征从已知区域转移到缺失区域。由于缺失的内容可以通过由深到浅的注意力转移来填充,因此可以确保修复结果的视觉和语义一致性。最后,为了证明本文提出的两种方法在图像修复任务中的有效性,在几个经典数据集上进行了验证。定性和定量实验结果表明,与先前的模型相比,本文提出的两种方法具有更优越的性能,能够生成更清晰,更连贯且在视觉上更可信的修复结果。
其他文献
现有常见的安全穿戴设备识别算法仅针对单一特定简单场景有较好的检测性能,不适用于通用复杂场景。复杂场景下的安全穿戴设备识别存在如下问题:背景中存在较多噪声影响目标检测的精确度;检测目标被遮挡面积大且被检测的目标在整个画面中占比小;目标与背景仅存在非常小的差异,形状等特征极其相近等等。例如在海洋采油平台安装摄像头距离工作人员较远时工作人员所佩戴的安全帽在图像中占很小的像素,所反映出的信息量少,用普通目
随着互联网数据交换的爆炸式发展,数字视频得以在网络上广泛传播,与此同时,视频被非法用户复制、篡改的现象频繁发生。多媒体的安全与版权保护正受到人们的广泛关注。近年来,水印技术以其不可见性、鲁棒性以及有效嵌入量在视频版权保护领域大放异彩,是数字版权保护的有效方法之一。其中主流的视频水印技术是在视频关键帧上嵌入水印。然而现有的关键帧提取方法存在冗余或者漏检现象,未能很好的反映视频内容,并且其他多数视频水
2025年全球物联网设备将达到416亿台。工作在2.4GHz的Wi-Fi和Zig Bee是目前物联网主要使用的两种通信技术,异构物联网通信CTC（Cross-Technology Communication）实现了两种网络物理层的数据融合,解决了信道争用导致的信道利用率低等问题。但由于传输范围差异,发送端一跳发送数据,接收端需要多跳返回确认,这将导致较长的传输延迟,尤其在低占空比的Zig Bee网
随着信息技术的蓬勃发展,人们对软件的需求与依赖越来越多,而软件的规模与复杂度也呈现递增式增长。软件中存在缺陷难以避免,其中,程序语义缺陷是一类典型的软件缺陷,程序语义缺陷的存在将导致程序运行时出现系统瘫痪、运算结果不正确、性能降低、安全漏洞等各种问题。静态分析技术是检测语义缺陷的一种有效方法,但由于在数据流分析与缺陷检测过程中的某些保守处理,检测出的警报只是可能是缺陷,其中可能会存在误报,而误报的
伴随着摄像头等硬件设备的快速升级,计算机视觉技术得到了蓬勃的发展。单目标跟踪作为计算机视觉的重要分支,被广泛的应用在智能交通、智能安防、无人驾驶和智能机器人等领域。深度学习作为人工智能领域一种有效的工具,能够通过大规模数据训练,高效的处理计算机视觉中图像分类、检测等问题。将深度学习中的卷积神经网络与单目标跟踪算法相结合,将会极大的提高跟踪算法的性能。通常,使用卷积神经网络的单目标跟踪算法被分为3类
我国工业发展迅速,对现代机械设备的规模、精度和复杂性的要求不断增加。如何使机械设备能够稳定且高效的运行,是各企业急需解决的问题。然而,随着运行时间的不断增加,零部件的性能也会逐渐下降,外界环境复杂多变性也会影响机械设备的运行状况,这些复杂因素的影响,导致机械设备发生故障具有不可避免和随机性。因此,在机械设备的有效寿命期内,故障诊断和预测能够为机械设备的平稳运行提供有力保障。在没有使用故障诊断和预测
近几年来随着社会的高速发展及人们生活的提高,汽车逐渐普及,因此,对车辆行驶安全问题有了更高要求,道路交通标识的自动检测与识别在安全驾驶中的作用也越来越重要。基于交通标识的道路驾驶辅助系统的出现,不但能减少驾驶人员的精神压力,也能大大避免交通事故的发生。交通标识的识别就成为道路驾驶辅助系统实现过程中的关键一环,及时、准确识别汽车行驶过程中的交通标识,可以有效提醒驾驶员因疏忽或者因盲目超速等不良行为而
近年来,随着人们生活质量的逐渐提升,心脏病的发病率急速增加。疾病风险分析技术作为一种常见的预防手段,利用患者健康数据进行患病风险分析,以达到在发病潜伏期对疾病有效干预的目的。然而在实际应用中,患者的健康数据往往带有极强的隐私性,并且数据具有维数较高、线性关系较弱的特点,使得现有的疾病预测模型难以达到最佳效果。因此,疾病风险预测模型的研究是医疗领域的热点,具有重要的理论意义和极高的应用价值。本文以心
传统监控系统广泛应用于油田施工现场的险情监测中,但需要工作人员花费大量的精力查找监控视频中的险情。基于目标检测技术的监控系统,能够自主识别目标,减少对工作人员的依赖,但同时存在对小目标检测不佳的问题。为解决上述问题,本文提出了基于残差网络和改进特征金字塔的SSD算法（Residual Network and Improved Feature Pyramid SSD,RP-SSD）。首先,自主构建油
皮肤病是人类最常见的疾病之一。近年来皮肤病的种类和发病率不断增长,发展成皮肤癌的病例越来越多。全球每年大约有2到3百万的皮肤癌新增病例,严重危害国民健康。皮肤癌的早期诊断和治疗对于患者恢复健康有极大意义。色素性皮肤癌类间相似度高、类内差异化大,给医学诊断工作带来了负担。随着科技的发展,深度学习已经在诸多领域得到了广泛应用,特别是在智慧医疗领域的发展。通过医学图像处理技术,结合计算机的分析能力,辅助