注意机制生成对抗网络单通道盲图像分离

来源 :中国科技论文 | 被引量 : 0次 | 上传用户:type
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对单通道极端欠定状况及传统盲源分离(blind source separation, BSS)方法难以克服源信号独立、非高斯分布等多项约束和先验知识缺乏等问题,基于生成对抗模型的网络架构,提出了一种基于注意机制的单通道盲图像分离方法,将基于流形排序的视觉注意机制嵌入到分离网络中,增强目标的关键信息,以生成思想迭代分离混合图像。实验结果表明,融合注意机制的生成对抗网络能仅从单源数据中学习,无需多种先验约束,比经典盲源分离方法有更高的分离精度,与已知分布的神经网络分离方法相比,能更有效地分离单通道混合图像。
其他文献
针对细粒度人脸认证(fine-grained face verification, FGFV)中如何有效区分非常相似的人脸图像问题,提出了一种大边距余弦相似度学习(large margin cosine similarity learning, LMCSL)方法,以提高认证精度。实验中,正样本对由同一人的2幅人脸图像组成,不同于传统人脸认证,每个负样本对由双胞胎人脸图像组成,能呈现非常相似的面部外
针对人群密度大和分布不均等因素造成计数困难的问题,提出了一种基于尺度空间金字塔网络的人群计数算法。首先通过迁移经典网络VGG16的前10层作为前端模块提取初步特征;然后使用尺度空间金字塔模块提取多尺度人群特征,并在该模块中引入扩张卷积,通过增大感受野进一步优化特征图,以解决人群拥挤和人群分布不均的问题;最后使用1×1的卷积层将特征图回归为密度图。实验结果表明,与对比算法相比,所提算法的平均绝对误差
在素质教育提倡促进学生综合能力全面发展的宗旨下,需要学校能够开展符合学生学习能力的综合实践活动课程,以此为途径使学生从小学阶段就能形成自主学习意识,并能够密切联系
为提升高光谱图像谱聚类的精度,针对基于锚点的高光谱图像快速谱聚类算法中由锚点相关性过高造成对样本间相似关系衡量失准,进而导致聚类精度下降的问题,提出一种基于k重均值锚点提取的高光谱图像谱聚类(anchor point extraction with k-multiple-means, APEKMM)算法。首先,利用具有特定k重均值(k-multiple-means, KMM)算法对图像进行聚类,以
随着教育改革的逐步推进,现代教育更加重视学生优质道德品质与法律意识的发展,小学道德与法治课程也受到了广大师生的关注。本文主要通过三个方面的探讨,分析了在小学道德与
快速城市化进程改变了城市地区原有下垫面,不透水层面积增加,暴雨期间汇流时间缩短,洪峰流量加大,进而导致城市内涝加剧,严重影响城市的防洪安全。本研究以广州市南沙区万顷沙网河区为研究对象,基于水量平衡的调蓄演算方法,对研究区域蓄排设施的规模进行分析;构建MIKE11一维网河模型,对涝区水情进行模拟,校核排涝工程规模,并对工程布局与规模进行了优化。结果表明:(1)万顷沙网河区在典型水文组合情况下,内河涌
局部聚合描述子向量(vector of locally aggregated descriptors, VLAD)是一种硬编码方式,会导致较大的量化损失。为了解决此问题,提出了一种基于内积加权的VLAD编码(inner product weighted vector of locally aggregated descriptors, IPWVLAD),它是一种软编码方式,为图像中的每个描述子寻找
小学《道德与法治》新课标明确提出,要注重学生的情感体验和道德实践,要营造适合学生的实践环境,帮助学生落实道德践行,丰富他们的情感体验,让学生养成良好的行为习惯。因此,
为了解决传统基于图像的三维重建中鲁棒性较差、信息获取效率低下的问题,使用了卷积神经网络(convolutional neural networks, CNN),将基于区域的掩模卷积网络(region-based convolutional network method, Mask R-CNN)和图卷积(graph convolutional network, GCN)联合实现三维重建,其中Mask
新时期幼儿的教育主要是保护孩子的好奇心,培养幼儿积极乐观的心态,善于与人沟通合作的态度,形成良好的思想品德与过硬的综合素质。幼儿时期的发展对学生后期的学习发展有着