【摘 要】
：
全监督语义分割网络在训练时需要耗费大量的人力与时间成本来标注样本。所以减少人工标注样本的时间，同时提升语义分割效果，对于深度学习网络的快速部署和应用推广具有重要意义。提出一种基于改进图像风格迁移网络（CycleGAN-AD）的样本扩充方法。以CycleGAN为基础，在生成器中引入注意力机制并将深度残差网络改为密集连接卷积网络。利用计算机批量产生自带标签的模拟样本，使用CycleGAN-AD网络将模
论文部分内容阅读
全监督语义分割网络在训练时需要耗费大量的人力与时间成本来标注样本。所以减少人工标注样本的时间，同时提升语义分割效果，对于深度学习网络的快速部署和应用推广具有重要意义。提出一种基于改进图像风格迁移网络（CycleGAN-AD）的样本扩充方法。以CycleGAN为基础，在生成器中引入注意力机制并将深度残差网络改为密集连接卷积网络。利用计算机批量产生自带标签的模拟样本，使用CycleGAN-AD网络将模拟样本风格迁移成为真实样本风格（标签不变），并用于扩充训练样本。对石墨电极的钢印字符进行语义分割的实验结
其他文献
卫星图像翻译是生成对抗网络的重要应用场景之一，现有的卫星图像翻译存在生成质量低、泛化能力弱、计算代价高等问题。本文在循环生成对抗网络的基础上，通过设计轻量化的注意力残差模块来提高图像翻译质量以及减少模型的参数计算量，同时引入了最小二乘损失来提高训练过程的稳定性。实验结果表明，本文方法在保持高训练稳定性、低模型计算量的前提下，在卫星图像翻译任务中具有最优的翻译质量。
政策工具被认为是政府为解决某个公共问题采取的具体手段或措施，一项政策可以视作目标和多种政策工具的组合。在生态治理过程中，不同政策工具对农户行为的刺激程度不同，进而导致不同的政策效果。分离不同政策工具的影响，可为工具选择和政策优化提供科学参考。以盐池县为例，利用基于该县1983—2017年内出台的316份生态政策文本构建的政策工具数据集和VAR模型中的脉冲响应和方差分解方法定量研究了强制型、混合型和
铜仁地处贵州东北部，处于黔湘渝三省（市）结合部位，土地资源丰富，为贵州农业产业的主要支柱之一，对该区富硒土壤的分布及富集特征等方面的研究较为薄弱，限制了全区富硒特色土地资源的开发利用及贵州山地特色农业的发展。通过对铜仁地区1:5万比例尺耕地质量地球化学调查成果数据进行整理与分析，并结合区域地质背景等其他方面资料，系统总结了铜仁地区土壤硒空间分布特征与富集程度，并阐述了土壤硒分布影响因素。结果表明：
旅游生态安全是区域生态安全的重要组成部分。科学评价区域旅游生态安全状况，对区域旅游生态安全风险防控具有重要的现实意义。以新疆85县市为研究对象，兼顾DPSIR模型与数据包络分析方法（DEA）两者优势，运用Max-DEA软件科学、系统地测度新疆各县市2007—2017年的旅游生态安全，利用ArcGIS10.6和GeoDa0.95i软件的空间分析技术对新疆各县市的旅游生态安全时空格局演变特征进行分析，
中药材粉末显微图像数据量少，而且在不同产地，不同采集环境下的特征形态具有一定的差异，传统的图像分类方法跨库识别效果不佳。针对以上问题提出一种基于多通道融合和SPP结构的深度卷积神经网络改进方法。首先，采用Canny边缘检测和局部二值模式的特征图与原图合并形成五通道的图像送入网络，扩充网络输入端的数据宽度；其次，将改进的SPP模块嵌入到EfficientNet网络中，增加网络的深度。以上方法可以使网
为了解决目标跟踪过程中因运动模糊和低分辨率导致跟踪效果变差的问题，本文提出一种基于条件对抗网和层次特征融合的目标跟踪算法。首先，使用条件对抗生成网络模型(DeblurGAN-v2)，对输入的低分辨率视频帧去模糊；然后，使用改进型Vgg-19网络提取目标候选区域的Conv2、Conv4、Conv6三层特征，将孪生网络提取到的低层结构特征、中层特征与高层语义特征进行融合，以提高特征的表征能力。在目标跟
良好的社区与自然保护地关系首先建立在社区生计的公平与可持续发展上。为促进社区认同、接受乃至参与自然保护地建设与管理，我国自然保护地管理逐渐重视社区利益，推动其生计转型发展与生态保护相协调。社区居民从事产业活动、进行生产经营、参与产业分工，是维持和改善生计的重要方式之一。研究采用质性内容分析方法，从不同研究视角、地理空间和政策背景的案例研究中提取自然保护地社区生计转型及其产业发展路径的内在逻辑，形成
近年来，结合生成模型的零样本算法得到了广泛的研究，但此类方法通常仅使用属性注释，缺少类别语义，而单一信息对类别表征能力不够强，容易产生域偏移，影响知识迁移的效果，进而降低分类结果的准确率。为了解决此问题，提出一种结合知识图谱变分自编码器零样本识别算法（KG-VAE），通过构建联合类别分级结构，类别文本描述和词向量的层次结构化知识图谱作为语义信息库，将知识图谱中丰富的语义知识结合到以变分自编码器为基
电力工业安全风险识别及防控对保障电力安全生产和人员自身安全意义重大。近年来随着人工智能技术的发展，以电力现场感知影像为基础，借助目标检测等计算机视觉方法进行生产风险识别得到了广泛关注。然而电力生产是复杂的人-机-物多元融合交互过程，现有智能识别方法效果有限，亟需结合电力生产知识实现智慧化安全风险认知。为此，本文在分析电力工业安全风险的基本特性及研究现状基础上，提出电力工业安全影像解译的基本概念，阐
波段选择是降低高光谱数据维度，减少数据过多冗余的有效手段，是高光谱影像像素分类的重要前提。其本质上是一个复杂的组合优化问题，用传统的搜索方法不易得到满意的解。针对上述问题，本文提出了一种结合黄金正弦和混沌鬣狗算法（GSSHO）的高光谱波段选择方法。首先，使用混沌策略初始化鬣狗种群，提高种群的随机性和多样性；然后，用黄金正弦算法改进原始斑鬣狗算法搜索个体位置更新方式，提高算法的全局搜索能力；最后，设