题名 基于蓝图可分离残差蒸馏网络的图像超分辨率重建
1
作者
熊荣盛 王帮海 杨夏宁
机构
广东工业大学计算机学院
出处
《广东工业大学学报》
CAS
2024年第2期65-72,共8页
基金
国家自然科学基金资助项目(62072119)。
文摘
标准卷积的单图像超分辨率重建性能受限于堆叠网络层的冗余性,算法难以实施,特征提取层单一的残差结构也无法高效地利用卷积得到的特征信息。为改善上述问题,本文改进残差蒸馏结构,提出残差蒸馏复用模块,以减少残差蒸馏过程中图像高频信息的损失;此外,将基础残差块替换为蓝图可分离卷积,解耦特征图的空间相关性,以降低高相关性特征的权重,提高卷积的效率,降低参数量。为验证算法的性能,在Set5等标准数据集中对算法进行验证。实验结果表明,该算法模型的峰值信噪比(Peak Signal-To-Noise Ratio, PSNR)和结构相似度(Structural Similarity, SSIM)相比于基于残差蒸馏网络的轻量级图像超分辨率重建网络分别有0.06~0.25 d B与0.004~0.012的提升。
关键词
图像超分辨率重建 残差蒸馏 蓝图 可 分离 卷积 特征融合
Keywords
image super-resolution reconstruction residual distillation blueprint separable convolution feature fusion
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于筛选学习网络的六自由度目标位姿估计算法
2
作者
邴雅星 王阳萍 雍玖 白浩谋
机构
兰州交通大学电子与信息工程学院 甘肃省人工智能与图形图像处理工程研究中心(兰州交通大学) 兰州理工大学计算机与通信学院
出处
《计算机应用》
CSCD
北大核心
2024年第6期1920-1926,共7页
基金
国家自然科学基金资助项目(62067006) 教育部人文社会科学研究项目(21YJC880085) 甘肃省自然科学基金资助项目(23JRRA845)。
文摘
针对在复杂场景下对弱纹理目标位姿估计的准确性和实时性问题,提出基于筛选学习网络的六自由度(6D)目标位姿估计算法。首先,将标准卷积替换为蓝图可分离卷积(BSConv)以减少模型参数,并使用GeLU(Gaussian error Linear Unit)激活函数,能够更好地逼近正态分布,以提高网络模型的性能;其次,提出上采样筛选编码信息模块(UFAEM),弥补了上采样关键信息丢失的缺陷;最后,提出一种全局注意力机制(GAM),增加上下文信息,更有效地提取输入特征图的信息。在公开数据集LineMOD、YCB-Video和Occlusion LineMOD上测试,实验结果表明,所提算法在网络参数大幅度减少的同时提升了精度。所提算法网络参数量减少近3/4,采用ADD(-S) metric指标,在lineMOD数据集下较Dual-Stream算法精度提升约1.2个百分点,在YCB-Video数据集下较DenseFusion算法精度提升约5.2个百分点,在Occlusion LineMOD数据集下较像素投票网络(PVNet)算法精度提升约6.6个百分点。通过实验结果可知,所提算法对弱纹理目标位姿估计具有较好的效果,对遮挡物体位姿估计具有一定的鲁棒性。
关键词
目标姿态估计 蓝图 可 分离 卷积 注意力机制 关键点 深度学习
Keywords
object pose estimation blueprint separable convolution attention mechanism keypoint deep learning
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 用于图像超分辨率的轻量级残差平衡蒸馏网络
3
作者
黄为 赵佰亭 贾晓芬
机构
安徽理工大学电气与信息工程学院 安徽理工大学人工智能学院
出处
《青岛科技大学学报（自然科学版）》
CAS
2024年第2期130-139,共10页
基金
国家自然科学基金项目(52174141) 安徽省自然科学基金项目(2108085ME158) +1 种基金 安徽高校协同创新项目(GXXT-2020-54) 安徽省重点研究与开发计划项目(202104a07020005).
文摘
现有利用卷积神经网络的单幅图像超分辨率重建技术,普遍存在参数量大计算成本高等问题,阻碍了实际场景的应用,因此提出一种轻量级蓝图可分离残差平衡蒸馏网络(BSRBDN)。首先,引入蓝图可分离卷积并提出多尺度渐进特征蒸馏连接结构,在提取深层特征的同时减少冗余运算。其次,设计了对比度平衡注意块、大内核空间注意力块和像素融合模块,激活高频信息增强边缘细节特征。最后,设计了轻量级蓝图可分离残差平衡蒸馏网络快速精准的完成图像重建。实验结果显示网络在保持更好的性能和主观视觉效果的同时,大大降低了参数与计算量。
关键词
超分辨率重建 轻量级 注意力 蓝图 可 分离 卷积
Keywords
super-resolutionreconstruction lightweight attention blueprintseparablecon-volution
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 改进残差结构的轻量级故障诊断方法
被引量：3
4
作者
刘芯志 彭成 满君丰 刘翊
机构
湖南工业大学计算机学院 中南大学自动化学院 工业和信息化部国家先进轨道交通装备创新中心
出处
《计算机工程与设计》
北大核心
2022年第8期2303-2310,共8页
基金
国家自然科学基金项目(61871432、61702177) 湖南省自然科学基金项目(2019JJ60008、2019JJ60054、2020JJ4275、2020JJ6086) +1 种基金 湖南省科技人才专项-湖湘青年英才基金项目(2019RS2062) 湖南省研究生创新基金项目(CX20201050)。
文摘
针对大型机械装备环境噪声复杂,深度学习网络层数过深导致的巨大计算开销以及故障诊断人工特征提取的复杂性,提出改进残差结构的轻量级SCARN模型。SCARN模型使用蓝图可分离卷积代替常规卷积层,减少大量参数,设计轻量级空间通道注意力结构,加强特征表达能力,改进深度残差收缩模块,提高模型复杂噪声场景的鲁棒性。通过增加不同幅值的高斯白噪声模拟轴承信号复杂环境场景。实验结果表明,该模型4种评价指标均优于对比算法,具有良好的抗噪性能。
关键词
蓝图 可 分离 卷积 空间通道注意力 深度残差收缩模块 轻量级 高斯白噪声
Keywords
blueprint separable convolution spatial channel attention deep residual shrinking module lightweight Gaussian white noise
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 基于蓝图可分离卷积的轻量级水下图像超分辨率重建
5
作者
李艳 谌雨章 郭煜玮 胡世娥
机构
湖北大学计算机与信息工程学院 国电河南新能源有限公司
出处
《计算机测量与控制》
2023年第6期191-197,共7页
基金
教育部产学合作协同育人项目(202101142041) 大学生创新创业训练计划项目(国家级202010512020)。
文摘
由于水体中存在的悬浮颗粒以及高频随机运动的湍流引起光的散射和吸收而导致水下图像存在纹理模糊、分辨率低、扭曲失真等系列问题,而目前存在的大部分深度学习图像超分辨率重建算法存在着计算复杂、模型的复杂度大、内存占用高等不足;针对这些不足,提出基于蓝图可分离卷积的轻量级水下图像超分辨率重建网络,该模型分为浅层特征提取、深度特征提取、多层特征融合以及图像重建4个阶段,深度特征提取阶段中,在BSRN的基础上去除特征蒸馏分支、采用增加通道数进行补偿,同时利用3个蓝图卷积来进行残差局部特征学习以简化特征聚合,实现网络的轻量化;实验结果表明,所提出的方法在运行时间、参数量、模型复杂度方面均优于目前已提出的超分算法,放大倍数为2和4时,峰值信噪比(PSNR)和结构相似度(SSIM)均值分别达到了31.556 0 dB、0.862 0和27.708 8 dB、0.721 3,重建质量获得进一步提升。
关键词
深度学习 蓝图 可 分离 卷积 超分辨率重建 轻量级网络 水下图像
Keywords
deep learning blueprint separable convolution super resolution reconstruction lightweight network underwater image
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—计算机科学与技术]
