【摘 要】
：
在现实生活中，人脸图像受隐私或安全因素的限制难以直接采集，因此可以考虑采用图像生成方法。当使用生成对抗网络进行图像生成时，结果容易出现分辨率低、边缘模糊、身份信息特征丢失等问题。针对上述问题，本文提出了一种新的人脸特征生成模型：通过将关键信息作为独立编码嵌入隐式空间，再与全局特征进行融合插值实现对人脸关键特征的可控生成；引入改进的注意力模块，在生成过程中关注局部特征和全局特征的相关性；并将色差损失
论文部分内容阅读
在现实生活中，人脸图像受隐私或安全因素的限制难以直接采集，因此可以考虑采用图像生成方法。当使用生成对抗网络进行图像生成时，结果容易出现分辨率低、边缘模糊、身份信息特征丢失等问题。针对上述问题，本文提出了一种新的人脸特征生成模型：通过将关键信息作为独立编码嵌入隐式空间，再与全局特征进行融合插值实现对人脸关键特征的可控生成；引入改进的注意力模块，在生成过程中关注局部特征和全局特征的相关性；并将色差损失和人脸分量损失联合引入整体损失函数中，负责约束像素颜色和人脸纹理特征。该算法可以在人脸局部区域生成自然真
其他文献
图像异常检测是计算机视觉领域的一个热门研究课题,其目标是在不使用真实异常样本的情况下,利用现有的正常样本构建模型以检测可能出现的各种异常图像,在工业外观缺陷检测,医学图像分析,高光谱图像处理等领域有较高的研究意义和应用价值.本文首先介绍了异常的定义以及常见的异常类型.然后,本文根据在模型构建过程中有无神经网络的参与,将图像异常检测方法分为基于传统方法和基于深度学习两大类型,并分别对相应的检测方法的
钙钛矿前驱体溶液的稳定性是一个长期被忽视的问题,其对器件效率、稳定性和一致性至关重要.在甲胺甲脒复合钙钛矿体系中,溶液的不稳定性主要是由碘化甲胺的去质子化及其衍生的转亚胺基副反应造成的.在本文中,我们系统研究了不同的酸添加剂对去质子化和转亚胺基反应平衡的影响规律,发现不易于升华的硼酸具有更好的稳定效果.硼酸作为一种路易斯酸,具有sp~2杂化的硼原子,硼原子中未杂化的p轨道易接受一对孤对电子,从而形
事件相机对场景的亮度变化进行成像,输出异步的事件流,具有极低的延时,受运动模糊问题影响较少.因此,可以利用事件相机解决高速运动场景下的光流估计问题.本文基于亮度恒定假设和事件产生模型,利用事件相机输出事件流的低延时性质,融合存在运动模糊的亮度图像帧,提出了基于事件相机的连续光流估计算法,提升了高速运动场景下的光流估计精度.实验结果表明,相比于现有的基于事件相机的光流估计算法,本文提出的算法在平均端
为解决气门弹簧座内壁划痕检测人工检测精度以及效率不高的问题，实现自动化生产线，提出一种基于图像增强的气门弹簧座内壁划痕检测算法。针对弹簧座内壁图像背景复杂、噪声干扰大，采用最小二乘法拟合提取感兴趣区域、傅里叶变换滤波去噪抑制干扰。采用极坐标变换并基于划痕粗检测进行双阈值下的图像增强，实现划痕检测精准度和效率的提高。试验结果表明：通过传统直方图均衡化和全局图像增强对不同长度、方向的划痕进行检测，划痕
当前新一代信息技术与制造业的深度融合,正驱动着传统制造业的数字化、智能化转型发展及业务模式的深刻变革.航空装备研制过程具有跨时空域、跨产业链、跨多主体高效协同的典型特征,是一项复杂的系统工程,构建面向航空复杂装备协同制造的工业互联网平台,既是满足当前航空复杂装备高效研制的必要手段,也是以新模式驱动航空制造数字化转型的重要举措.本文主要从航空装备研制数字化转型过程中对工业互联网发展的迫切需求与发展机
针对全断面隧道掘进机的传送带上岩碴片重叠造成的图像分割不准确问题，提出一种基于深度学习的密集岩碴片图像分割方法。该方法首先将原图像做预处理，标注并制作岩碴片图像数据集；然后，改进U-Net模型的结构，通过深度监督以及新的混合损失函数优化模型学习分割表示的能力；训练改进后的模型分割图像，利用OpenCV获取面积与长、短轴等参数；最后与最大类间方差法、分水岭分割及传统U-Net模型进行比较，结果表明，
为减少平面阵列电容成像过程中的无效数据，提出一种基于层次聚类的平面阵列电容聚焦成像方法。根据平面阵列电极电容数据的特点，利用层次聚类算法对电容数据进行分类，根据分类结果将电极分为无效电极和有效电极，并进一步确定感兴趣区域，利用有效电极产生的电容值进行电容成像从而达到减少无效数据，提高计算效率，加快图像重建速度的目的。对一种绝缘材料进行缺陷探测的仿真实验，仿真实验结果表明：数据优化之后得到的重建图像
场景深度估计是场景理解的一项基本任务，其准确率反映了计算机对场景的理解程度。传统的深度估计利用金字塔池化(ASPP)模块可以在不改变图像分辨率的情况下处理不同像素特征，但该模块没有考虑不同像素特征之间的关系，导致场景特征提取不准确。针对ASPP模块在深度估计中出现的弊端，提出了一种改进型的ASPP模块，解决了ASPP模块在图像处理中存在的失真问题。首先在卷积核后添加基于分层压缩激励的ASPP结构块
针对小样本下基于深度学习的高光谱图像分类方法精度不高的问题，本文提出一种基于空谱特征增强残差网络的高光谱图像分类方法。该方法利用三维卷积核同时提取高光谱图像的空间和光谱特征。同时，在普通三维卷积神经网络结构前加入空间和光谱特征增强的残差网络模块，通过恒等映射保留高光谱原始信息的同时用较少的参数增强网络的信息流，并且在构造更深层网络的同时避免了梯度消失的问题。实验表明：本文方法能充分利用高光谱图像的
现有的双目同步定位与建图(simultaneous localization and mapping， SLAM)都使用标准立体相机，所处环境为静态的假设会影响其在动态环境中的精度。本文提出了一种多焦距动态立体视觉SLAM方法，它克服了标准立体相机无法兼顾远距离和宽视场感知场景的缺点，并去除了动态物体对SLAM的影响。具体来说，对传统的立体校正方法进行了改进，并使用校正参数修正了特征点的位置，而不