利用自然语言文本描述进行图像编辑

本文研究了利用自然语言文本描述对图像进行编辑的多模态问题。本文的目标是,输入一张原始图像以及一句自然语言文本描述,输出一张经过编辑的图像,并且图像在满足给定自然语言文本描述的同时,保留与文本描述无关的其他细节。在本文中,整体网络采用生成对抗网络结构。在生成器部分,通过引入重构损失,实现模型对于文本描述无关图像区域的保持。通过引入文本图像相关度损失,以一种半监督的方式,对生成器的训练进行指导,从而实现更精细化的利用文本描述对图像进行编辑。在判别器部分,结合判别损失以及条件判别损失,指导生成器生成更具真实效果以及符合自然语言文本描述的图像。通过生成器和判别器的对抗训练,最终实现利用自然语言文本描述实现精准编辑图像。     

基于深度卷积生成对抗网络的植物图像识别方法的研究

提出使用深度卷积生成对抗网络进行植物图像识别方法.首先,利用生成式对抗网络生成植物图像样本,然后,利用判别网络中的卷积神经网络来提取图像特征,实现对生成网络产生的样本进行判别,以提升模型对图像数据分布的理解,从而达到了通过构建卷积神经网络对生产样本的质量进行测试的目标.实验结果表明,该方法生成的植物图像能够有效的提高卷积神经网络的识别准确率.     

基于生成对抗网络的图像处理及应用

本文主要采用生成对抗网络对运动模糊图像进行端对端盲复原方法进行简析。在图像的获取到使用过程中,多种因素会导致图像产生降质,如相机对焦问题会导致散焦模糊,成像系统的退化因素会导致高斯模糊等,成像系统和拍摄目标间的相对运动会导致运动模糊。而拍摄时抖动导致的模糊是导致图像质量下降的最主要因素。通常,减小运动模糊导致图像退化的影响的方案有两种,第一改善拍摄时的物理条件,如减小成像系统与拍摄目标间的相对运动。第二利用图像复原技术,通过图像复原算法提高图像质量。近年来利用生成对抗网络用于图像处理领域,在图像超级分辨率等相关问题取得了显著进展。2014年Goodfellow等提出了生成对抗网络,建立两个竞争网络,生成器用于接收噪声作为输入生成图像,鉴别器接收真实图像和生成图像,并试图区分它们,通过两个网络的对抗竞争,实现模糊图像盲复原。该方法在结构相似性测量及可视化表现方面实现了较高水准。     

基于视觉注意机制深度强化学习的行人检测方法

结合视觉注意机制,并用深度强化学习训练视点选择模型,模拟人类视觉搜索局部关键部位,提出了新的行人检测方法,通过视点选择模型生成聚焦图像,不断地叠加搜索关键区域,由检测网络对关键区域进行行人判别,并通过信息熵度量检测结果的可信度,作为奖赏通过深度强化学习优化视点选择模型。视点选择模型和检测网络协同迭代训练,使该方法具有很强的局部关键区域选择和判别能力,减少了形变和遮挡的影响。与经典的基于部位的行人检测方法在公开的行人检测数据集进行对比实验,结果表明,所提出的行人检测方法可以有效地提高行人检测精度。     

葫芦烙画的艺术风格迁移与模拟

针对当前葫芦烙画模拟方法通用性有限的问题,提出了一种基于深度神经网络的艺术风格迁移和模拟方法,利用不同的数据集训练不同的网络模型,并使用训练后的模型处理不同阶段的目标图像,分别对目标图像进行语义分割、艺术风格迁移和变形融合处理,将普通的照片生成对应的葫芦烙画。实验对比分析表明,生成的葫芦烙画的色调与真实烙画极为相近,实际效果也较逼真,具有可观赏性,所提方法能够将普通照片转换成具有良好效果的葫芦烙画,可以完成葫芦烙画的艺术风格迁移与模拟任务。     

泥水气压平衡盾构沉降智能预测技术

提出了一个基于对抗神经网络(GAN)的隧道施工过程中地表沉降预测技术,使用隧道沉降历史数据,通过训练2个不同的神经网络:生成网络(G)和判别网络(D),融合盾构机多个实时施工参数,来预测当前施工位置90 d后的沉降数值,而无需等待90 d。该技术的成果应用于上海北横通道项目部分地下施工段,并验证了其有效性。     

利用WinGridder网格生成器实现复杂地质体的精细描述

WinGridder网格生成器是一款功能强大且使用十分灵活的非规则网格生成工具。本文将介绍该软件生成网格的原理,并在WinGridder程序基础上利用VB语言给出了平面上不同类型点集的生成算法。最后通过两个剖分实例来阐述该软件如何实现复杂地质体的精细描述。     

生成式对抗网络研究综述

近年来,随着生成式对抗网络的迅速发展,尤其图像处理领域表现突出,本文主要介绍了生成对抗网络的基本模型和衍生模型,以及在图像处理领域的应用,包括图像风格迁移、人机交互领域、视频帧预测,文本与图像的相互生成等应用。     

人工智能辅助设计：基于深度学习的 风景园林平面识别与渲染

采用风景园林学与人工智能的跨学科研究方式,开发了一种将深度学习模型——生成对抗网络(Generative Adversarial Network,GAN)用于风景园林平面图用地识别与图像渲染的新应用场景。以325张细致标注的平面方案图建立用于深度学习的数据集,训练循环生成对抗网络(CycleGAN)实现平面图不同用地类型地块的提取任务,以及平面色块图到色彩肌理图的渲染生成。进一步从图片质量、正确规范性和色彩表达等方面评价模型的识别与渲染结果。该训练模型有潜力被应用于风景园林案例的用地类型分析及平面渲染,帮助设计师提升分析及制图效率。     

基于Mantis的灯光视景仿真的设计与开发

灯光助降系统是辅助飞机夜间着降过程中必不可少的设备.设计和开发了基于Mantis的灯光助降视景仿真系统,系统采用高效能的Mantis软件作为图形生成器,利用通用图像生成接口协议对场景中的灯光进行控制.该系统已用于某型飞机的虚拟仿真训练系统的夜航训练过程,并且已用于舰船灯具设计的辅助设计过程中,取得了较好的效果.