排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
图像多分类领域中经常出现类别不平衡问题,这会对分类模型的学习训练产生负面影响。通过对样本数量较少的类别进行扩充可以有效解决类别不平衡问题。生成对抗网络作为近年来新兴的一种神经网络,输入真实图像样本训练可以输出与真实样本非常相似的生成样本。根据此特性,本文结合第二代样式生成对抗网络(StyleGAN2)的设计思想与鱼类图像的特点,设计一种噪声抑制样式生成对抗网络NS-StyleGAN2 (Noise-Suppressed Style Generative Adversarial Networks 2)。NS-StyleGN2去除了StyleGAN2合成网络中低分辨率层的噪声输入,从而抑制低分辨率层的噪声权重,使StyleGAN2生成样本细节特征更逼近真实样本特征。采用202张鲢鱼图像进行训练,本文提出的方法在起始分数、弗雷歇起始距离、内核起始距离得分等方面均优于DCGAN、WGAN、StyleGAN2,表明该方法可以有效进行图像扩充。 相似文献
3.
以苎麻纤维织物为生物模板,通过浸渍含有硅粉的酚醛树脂溶液,后经压制成型、碳化和1500℃烧结等工艺,制备了具有生物纤维形态的SiC陶瓷。利用XRD、SEM等测试技术,研究了不同烧结助剂对样品的各项性能和微观形貌的影响。结果表明:烧结助剂对苎麻纤维织物SiC陶瓷的失重率、显气孔率、体积收缩率等性能均产生了影响;添加Al_2O_3-Y_2O_3-SiO_2三元烧结助剂的SiC陶瓷具有最大的显气孔率和最小的体积收缩率;陶瓷中的SiC主要以β-SiC的形式存在;微观形貌分析显示,样品很好地保留了苎麻织物的纤维状微观结构。 相似文献
4.
5.
6.
1