-
题名结合注意力机制的相对GAN螺栓图像生成
被引量：9
- 1
-
-
作者
戚银城
郎静宜
赵振兵
江爱雪
聂礼强
-
机构
华北电力大学电气与电子工程学院
山东大学计算机科学与技术学院
-
出处
《电测与仪表》
北大核心
2019年第19期64-69,共6页
-
基金
国家自然科学基金资助项目(61871182、61401154、61773160、61302163)
北京市自然科学基金项目(4192055)
+2 种基金
河北省自然科学基金项目(F2016502101、F2017502016、F2015502062)
中央高校基本科研业务费专项资金项目(2018MS095、2018MS094)
模式识别国家重点实验室开放课题基金(201900051)
-
文摘
螺栓缺陷非常容易引起输电线路异常甚至故障,但大量的缺陷数据难以获得。将生成式对抗网络应用于缺陷螺栓图像的生成,针对生成过程中存在的图像质量差、生成样本单一,模型收敛缓慢等问题,提出一种基于改进DCGAN的螺栓图像生成方法。在损失函数中加入相对均值鉴别器和梯度惩罚,平衡了生成器和判别器的能力,提高了样本质量和模型的收敛速度;在模型的生成器和鉴别器中引入注意力机制,捕获图像中长距离的像素特征,提高了缺陷样本的多样性;实验结果验证了改进方法的有效性,IS值提高了0.1,实现了缺陷样本的扩增。
-
关键词
螺栓
生成式对抗网络
相对均值鉴别器
梯度惩罚
注意力机制
-
Keywords
bolt
generative adversarial networks (GAN)
relativistic average discriminator
gradient penalty
attention mechanism
-
分类号
TM726
[电气工程—电力系统及自动化]
-
-
题名改进残差密集生成对抗网络的红外与可见光图像融合
被引量：2
- 2
-
-
作者
闵莉
曹思健
赵怀慈
刘鹏飞
邰炳昌
-
机构
沈阳建筑大学机械工程学院
中国科学院、沈阳自动化研究所光电信息处理重点实验室
卓越新时代认证有限公司
-
出处
《控制与决策》
EI
CSCD
北大核心
2023年第3期721-728,共8页
-
基金
装备预研重点基金项目(41401040105)。
-
文摘
基于深度学习的红外与可见光图像融合算法通常无法感知源图像显著性区域,导致融合结果没有突出红外与可见光图像各自的典型特征,无法达到理想的融合效果.针对上述问题,设计一种适用于红外与可见光图像融合任务的改进残差密集生成对抗网络结构.首先,使用改进残差密集模块作为基础网络分别构建生成器与判别器,并引入基于注意力机制的挤压激励网络来捕获通道维度下的显著特征,充分保留红外图像的热辐射信息和可见光图像的纹理细节信息;其次,使用相对平均判别器,分别衡量融合图像与红外图像、可见光图像之间的相对差异,并根据差异指导生成器保留缺少的源图像信息;最后,在TNO等多个图像融合数据集上进行实验,结果表明所提方法能够生成目标清晰、细节丰富的融合图像,相比基于残差网络的融合方法,边缘强度和平均梯度分别提升了64.56%和64.94%.
-
关键词
图像融合
残差密集块
生成对抗网络
注意力机制
显著性区域
相对平均判别器
-
Keywords
image fusion
residual dense block
generative adversarial network
attention mechanism
salient region
relativistic average discriminator
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于增强型多尺度残差生成对抗网络的图像压缩
- 3
-
-
作者
马婷
刘友鑫
胡峰
聂伟
吴建芳
-
机构
西南石油大学电气信息学院
江苏势通生物科技有限公司研发中心
重庆邮电大学通信与信息工程学院
-
出处
《计算机工程与设计》
北大核心
2024年第8期2415-2422,共8页
-
基金
重庆市自然科学基金项目(cstc2019jcyjmsxm1351)
重庆市教育委员会科学技术研究基金项目(KJQN2020006300)
云南华电阿海公司基于工业物联网电厂无线测温监测系统建设基金项目(AHFD2022/P16)。
-
文摘
为解决低码率下更符合人类视觉感知的图像压缩,提出一种基于增强型多尺度残差生成对抗网络的有损压缩方法。在网络框架的自动编码器中,使用一种结构上改进的增强型多尺度残差块,其可以扩大感受野,更容易获得图像的全局信息。引入简易注意力模块,帮助网络更加关注图像复杂的部分,减少简单部分的比特。判别器部分采用全新的相对平均判别器,在网络框架中使用LPIPS(learned perceptual image patch similarity)感知损失减轻图像伪影问题。采用两阶段训练的方式解决引入生成对抗网络导致训练不稳定的问题。实验结果表明了在低码率下所提模型的有效性,与之前的工作相比,所提方法在感知失真指标上表现更优,性能提升了65%左右,重建图像更符合人类视觉感知。
-
关键词
低码率
图像压缩
生成对抗网络
多尺度残差块
注意力模块
相对平均判别器
感知损失
-
Keywords
low bit rate
image compression
generative adversarial network
multi-scale residual block
attention module
relativistic average discriminator
perceptual loss
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
