【摘 要】
：
为解决图像转换过程中产生的伪影问题,利用生成对抗网络(GAN)生成逼真的人脸表情变化,提出了一种注意力引导下的面部动作单元(AU)级表情编辑方法。首先,在数据预处理部分加入正脸恢复模块,当输入图像的姿态偏转较大时,先经过正脸恢复再进行表情编辑,可以有效提高表情生成质量。其次,生成模块中的生成器和判别器网络内置注意力机制,使图像转换集中在人脸区域,忽略不相干的背景信息。最后,在公开数据库CelebA
论文部分内容阅读
为解决图像转换过程中产生的伪影问题,利用生成对抗网络(GAN)生成逼真的人脸表情变化,提出了一种注意力引导下的面部动作单元(AU)级表情编辑方法。首先,在数据预处理部分加入正脸恢复模块,当输入图像的姿态偏转较大时,先经过正脸恢复再进行表情编辑,可以有效提高表情生成质量。其次,生成模块中的生成器和判别器网络内置注意力机制,使图像转换集中在人脸区域,忽略不相干的背景信息。最后,在公开数据库CelebA上训练模型,并选取CK+和CASIA-Face V5数据库进行图像生成实验。结果表明生成图像与目标图像间
其他文献
传统的图像重建方法应用于船舶航行图像重建,由于在图像匹配过程中的误差率较大,导致其图像匹配性能较差。为此,设计一种基于无人机倾斜摄影的船舶航行图像重建方法。首先,利用灰度变换和图像锐化,对图像预处理;其次,采用聚簇算法完成图像匹配;之后,通过反解法数字纠正方法完成图像纠正;最后,利用图像序列重建,完成船舶航行图像的三维重建。至此,完成基于无人机倾斜摄影的船舶航行图像重建方法的设计。通过对比实验,与
舰船遥感图像目标检测的目的是获取海域内船舶目标信息,提高船舶监督和管理水平。在舰船遥感图像的识别过程中,图像的配准是其中的重点和难点。本文介绍一种Harris角点检测的图像配准方法,并结合卷积神经网络模型设计了一种舰船遥感图像配准算法。该算法利用卷积神经网络的学习能力,实现短时间内大量遥感图像的角点检测和配准,具有重要的应用价值。
近年来,逆向工程等先进产品设计技术获得了广泛的重视。在逆向工程中,点云数据的采集、处理是重建产品型线、曲面的基础。本文介绍了几种点云数据的采集方法,分析了舰船点云数据的降噪和平滑处理技术原理,并结合CATIA三维软件实现了基于点云数据的船舶轮廓线测绘,这对于改善现有船舶设计效率有重要的意义。
为了充分发掘中文简历数据中所蕴含的信息,提高构建社交网络知识图谱和档案知识图谱的实体丰富度,提出了基于BERT的中文简历命名实体识别技术。该技术模型首先通过BERT网络将大规模未标注文本生成具有语义特征的字符向量,接着通过嵌入条件随机场(CRF)的双向长短时记忆(BiLSTM)神经网络模型获取输入文本序列的上下文特征,解码标注提取出相应的8个实体类型。实验结果表明,该网络模型在个人中文简历数据集上
针对目前课堂环境下的多人脸检测研究不够深入,特别在拍摄角度变化等多个因素影响下人脸识别率较低的问题,提出了真实课堂环境下基于全卷积头部检测器(FCHD)人脸检测的改进算法。首先,针对课堂环境下多人脸数据集的不足构建了两类课堂数据集,通过10人以下、11～20人、21～30人、31～40人以及41人以上不同的数据进行分析;然后,对比评估了传统的人脸检测算法以及基于深度学习的算法;最后,提出基于FCH
针对传统表格结构识别算法中,前期图像预处理工作量大、复杂表格结构识别率低、高分辨率和高复杂度表格时间开销过于大的问题,提出先对图像表格结构利用直线段检测器进行框线检测,再利用双阈值直线判断规则,对本应属于同一直线的多条线段进行合并细化,最后对横纵线交点处缺失或过长线段,采用表格结构整体框线对齐的快速识别算法。实验结果表明,该算法既可以对图像高分辨率下简单表格和复杂表格准确识别,也可以满足图像低分辨
为解决芯片工业生产过程的瑕疵检测问题,提出了一种快速准确的瑕疵检测方法。针对图像采集过程中光照不均匀问题,给出了一种基于均值切块的快速光照补偿方法;另外,为了进行气泡瑕疵的特征提取,给出了一种简单的线性图像融合方法;最后,利用最大熵分割方法分割融合图像,并对瑕疵点进行分割和标记。实验结果表明,在小幅度改变原图像的基础上,所提方法检测速度快,准确率较高,能够满足工业生产需求。
针对虚拟现实交互(VRI)技术与学习任务的匹配程度较低导致感知学习效率的提高受限的问题,提出了一种VRI技术影响感知学习效果的新型模型。新模型从任务技术匹配的视角出发,引入了反思性思维变量和个人参与因素改善了感知学习的效果。此外,基于新模型开发了一套虚拟现实消防安全教育系统,学员使用该系统进行感知学习所产生的交互数据被用于对新模型的可用性评估。可用性评估中的对比实验结果显示,使用新型虚拟现实教育系
为了应对大视差场景的图像拼接问题以及提高拼接图像的自然度,提出了一种基于对极几何约束和格林坐标的图像拼接算法。首先,用对极几何模型代替单应性矩阵作为随机抽样一致(RANSAC)算法的筛选模型,弥补单个全局单应性矩阵处理大视差图像时的不足,提高特征点匹配的精准度;然后,以一幅图像为参考,对另一幅图像进行基于格林坐标的预变形;其次,借助弹性鲁棒扭曲的思想消除预变形图像和参考图像之间的投影偏差;最后,将
针对传统3D卷积神经网络(CNN)对医学和自然场景视频中的动作识别存在输入片段帧数少、正向推理速度慢、网络层数浅、参数量和计算量大的问题,基于2D深度卷积和1D卷积设计了局部时空深度分离卷积模块(LSDW)和时序卷积模块(TCM),进而提出了轻量级局部多片段网络MLNet。首先,MLNet的输入是视频中的多个局部片段,这些片段通过间隔采样得到;其次,将输入中的多个局部片段通过LSDW提取相应的时空