【摘 要】
：
图像到图像翻译是一类视觉和图形问题,其目标是使用一组图像来学习输入图像和输出图像之间的映射。近年来关于图像到图像翻译任务的研究工作有很多,例如pix2pix和CycleGAN都在这个任务上表现得非常优秀。但是很少有研究工作是关于如何对这类图像到图像翻译模型进行压缩,降低参数量的使用。目前轻量级网络结构的设计更多是用于基于卷积神经网络的目标检测模型和分类模型,而用于生成对抗网络模型的轻量级网络结构的
【机 构】
：
南京航空航天大学 计算机科学与技术学院,江苏 南京 211106
论文部分内容阅读
图像到图像翻译是一类视觉和图形问题,其目标是使用一组图像来学习输入图像和输出图像之间的映射。近年来关于图像到图像翻译任务的研究工作有很多,例如pix2pix和CycleGAN都在这个任务上表现得非常优秀。但是很少有研究工作是关于如何对这类图像到图像翻译模型进行压缩,降低参数量的使用。目前轻量级网络结构的设计更多是用于基于卷积神经网络的目标检测模型和分类模型,而用于生成对抗网络模型的轻量级网络结构的研究还比较少。所以,文中提出了一种基于生成对抗网络的轻量级网络结构,用于对自然图像进行图像到图像翻译,例
其他文献
自然语言和音乐是人们表达情感和描绘事物的两种语义符号系统.分析和建立语言与音乐的语义关联不仅有助于提供更精确的文本和音乐的检索和推荐服务,还可以帮助研究者进一步理解情感语义.已有的研究主要关注自然语言和音乐的表层符号特征,较少考虑其语义含义,从而限制了基于自然语言和音乐语义关联的应用的精确性和可解释性.另一方面,部分应用,例如音乐情感的多标签分类,需要更精确的自然语言和音乐的语义关联.所以,分析和建立自然语言和音乐的语义关联对于面向文本和音乐的应用有较大的促进作用.文中提出了自然语言和音乐的情感语义关联度
通过在210 tRH精炼IF钢3个浇次的试验,采用扫描电镜详细研究了 RH精炼过程中调Ti时机对IF钢洁净度的影响.结果表明,加Al后2、4、6 min调Ti,RH结束时钢液中的N含量平均分别为26.7×10-6、23.6×10-6、27.4×10-6.当吹氧升温所耗氧气量在30～40 m3,RH到站氧平均为579×10-6时,RH结束T[O]为70.3×10-6,当吹氧升温氧耗量在75～90 m3,RH到站氧平均为669×10-6时,RH结束T[O]为109.2×10-6.随着加Al前氧活度增加,RH结
光学字符识别(optical character recognition, OCR),简单来说,主要是利用光学技术和计算机技术将目前所使用的印刷体字符通过检测每个像素的亮、暗模式转换成一个黑白图像的文件,然后再使用识别的手段将这个黑白图像的文件转换成计算机可以识别的文字。该文主要分为四个模块:文字信息提取、字符识别、系统实现、实验结果与分析。文字信息提取模块包括图像预处理、文字信息区域的截取和修正
由于移动终端计算能力和内存大小的限制,在移动设备上进行实时目标检测具有非常大的挑战性。为了更好地在无人驾驶汽车等移动设备上进行目标检测,该文以YOLOv3单阶段目标检测模型为基础,对部署在移动设备上的目标检测模型进行优化,以提高模型的检测精度(MAP)并降低计算复杂度。具体改进措施为:基于DarkNet-53为主干网络引入组卷积和通道洗牌技术;基于M. G. Hluchyj等学者提出的网络设计指导
随着无人机技术在生产生活中的广泛应用,由其引起的公共安全、隐私保护等问题也日渐突出,因此基于计算机视觉的无人机检测技术逐渐成为当下的研究热点。目前,常用的深度学习目标检测方法如Faster-RCNN、Yolo等在通用的目标检测领域已经可以获得良好的检测性能。但是在无人机检测任务上,由于目标小、边缘设备算力低等限制因素,常用的目标检测算法无法有效地应对这些难题。对此,文中基于轻量级无人机检测网络TI
板式换热器板片型号多达上百种,每种型号的材质与结构也不尽相同,对不同亮暗不同纹理的区域进行定位,使用固定阈值的边缘检测方法难以保障检测结果。针对此问题,提出一种基于Canny的自适应板式换热器板片边缘检测方法。该方法根据不同型号的波纹板自动调整边缘检测参数,其中包括标准差、高低阈值,使其与所处理的波纹结构相适应,以达到最佳的边缘定位效果。通过数学模型推导出标准差与边缘宽度以及高低阈值与边缘高度之间
针对常见的视频目标跟踪算法难以适应背景杂波、形变和遮挡等干扰场景,提出了一种基于孪生网络的多级串联注意特征融合目标跟踪算法。该算法并不是简单将不同层的特征进行加权融合,而是从深层到浅层多级地进行注意特征的融合,并引入模板更新机制。将首帧图像和当前搜索帧的前一帧图像作为跟踪模板,用MobileNetV2网络提取目标模板帧图像和当前帧图像的深层语义特征和浅层位置特征;提取的特征进入多级串联特征融合注意
随着国内机动车保有量的持续增长,城市道路交通运转压力急剧增强。在现有交通管理系统中,通常采用图像处理算法检测机动车违章行为。但基于图像处理算法的违章检测系统存在计算量大、不适用于嵌入式设备和复杂场景下检测精度下降等问题,为系统在实际中的应用带来了一定的限制。针对该问题,将深度学习算法引入检测系统中,提出了基于MobileNet_SSD的路口交通违章检测系统。以MobileNet_SSD网络检测车辆
图像作为信息的主要载体,人们可从图像中获取更多后期决策的依据。由于获取图像的条件不同,导致在进行多幅图像融合时采取的方法不尽相同。如何从同一场景的不同图像中获取更为丰富的信息成为图像融合的关键问题。首先,对各种类型的图像融合进行总结得出图像融合的具体概念。其次,概述图像融合的经典理论及方法,根据处理对象将融合方法分为基于变换域的方法和基于空间域的方法并对其进行对比分析。接着,分析表征融合图像质量的