基于生成对抗网络的无监督图像风格迁移

无监督的图像风格迁移是计算机视觉领域中一个非常重要且具有挑战性的问题.无监督的图像风格迁移旨在通过给定类的图像映射到其他类的类似图像.一般情况下成对匹配的数据集很难获得,这极大限制了图像风格迁移的转换模型.因此,为了避免这种限制,对现有的无监督的图像风格迁移的方法进行改进,采用改进的循环一致性对抗网络进行无监督图像风格迁移.首先为了提升网络的训练速度,避免梯度消失的现象出现,在传统的循环一致性网络生成器部分引入DenseNet网络;在提高生成器的性能方面,生成器网络部分引入attention机制来输出效果更好的图像;为了减少网络的结构风险,在网络的每一个卷积层都使用谱归一化.为了验证本文方法的有效性,在monet2photo、vangogh2photo和facades数据集上进行了实验,实验结果表明,该方法在Inception score平均分数和FID距离评价指标上均有所提高.     

基于改进DCGAN的数据增强方法

针对小样本数据在深度学习中训练难的问题,为提高DCGAN训练效率,提出了一种改进的DCGAN算法对小样本数据进行增强。首先,使用Wasserstein距离替换原模型中的损失模型;其次,在生成网络和判别网络中加入谱归一化,以得到稳定的网络结构;最后,通过极大似然估计算法和实验估算得到样本的最佳噪声输入维度,从而提高生成样本的多样性。在MNIST、CelebA和Cartoon这三个数据集上的实验结果表明：改进后的DCGAN所生成样本的清晰度以及识别率比改进前均得到了明显提高,其中平均识别率在这几个数据集上分别提高了8.1%、16.4%和16.7%,几种清晰度评价指标在各数据集上均有不同程度的提高。可见该方法能够有效地实现小样本数据增强。     

语义区域风格约束下的图像合成

生成对抗网络近年来发展迅速,其中语义区域分割与生成模型的结合为图像生成技术研究提供了新方向。在当前的研究中,语义信息作为指导生成的条件,可以通过编辑和控制输入的语义分割掩码来生成理想的特定风格图像。文中提出了一种具有语义区域风格约束的图像生成框架,利用条件对抗生成网络实现了图像分区域的自适应风格控制。具体而言,首先获得图像的语义分割图,并使用风格编码器提取出图像中不同语义区域的风格信息;然后,在生成端将风格信息和语义掩码对应生成器中的每个残差块分别仿射变换为两组调制参数;最后,输入到生成器中的语义特征图根据每个残差块的调制参数加权求和,并通过卷积与上采样渐进式地生成目标风格内容,从而有效地将语义信息和风格信息相结合,得到最终的目标风格内容。针对现有模型难以精准控制各语义区域风格的问题,文中设计了新的风格约束损失,在语义层次上约束区域风格变化,减小不同语义区域的风格编码之间的相互影响;另外,在不影响性能的前提下,采取权重量化的方式,将生成器的参数存储规模压缩为原来的15.6%,有效降低了模型的存储空间消耗。实验结果表明,所提模型的生成质量在主观感受和客观指标上较现有方法均有显著提高,其中FID分数比当前最优模型提升了约3.8%。     

Convolutional neural networks recognition algorithm based on PCA

To improve the insufficiency of Synthetic Aperture Radar(SAR) labeled training data for Convolutional Neural Networks(CNN) and the recognition rate for large variations, a novel CNN recognition algorithm is proposed. Firstly, a set of features is extracted from the original data by unsupervised training based on PCA as the initial filter set for CNN. Secondly, in order to accelerate the training speed while avoiding over-fitting, the Rectified Linear Units(ReLU) is adopted as the non-linear function. Thirdly, to strengthen robustness and mitigate the defects of pooling upon features, a probabilistic max-pooling sampling method is introduced and local contrast normalization is exploited on features after the convolutional layer. Experiments demonstrate that our algorithm outperforms the original CNN in recognition rate and achieves better robustness for large variations and complex background.     

基于全量补偿算法的结构损伤识别

频率和振型是反应结构动力特性的主要模态参数,文中对损伤结构的频率和振型进行了研究。通过实测损伤结构的频率和振型,利用矩阵理论修正理论有限元模型,使之与实测损伤结构的频率和振型一致;将修正的理论有限元模型表达成单元刚度矩阵与损伤因子的线性组合,把损伤识别问题转化为组合系数的识别问题。给定损伤因子的合理取值范围,用优化方法求解损伤因子。通过对十跨桁架结构的数值仿真,仅用结构的前5阶频率和振型就能很好的识别结构的损伤,且该方法不需要对实测振型进行归一化处理,具有较强的实用性。     

一种改进的基于小波变换的人脸光照归一化方法

针对光照对人脸识别影响的问题,提出了一种改进的基于对数域多级小波分解的光照归一化方法。首先将手工裁剪后的人脸图片进行对数变换,然后将对数域图像进行多级小波分解,将低频系数置零,并将多个尺度上的高频系数分别乘以不同的高频增益,突出光照不变性分量。采用经典的PCA人脸识别算法,在耶鲁B与CMU PIE人脸数据库的实验结果表明,本文方法能有效地消除光照对人脸识别的影响,并有效提高识别率。     

DA471球铁凸轮轴热处理工艺研究

采用覆砂铁型生产了DA471型QT700—2球铁凸轮轴，其铸态显微组织由50％～85％的珠光体和球状石墨组成，球化率大于85％。论述了正火（雾冷和强风冷却）和回火温度对凸轮轴中显微组织和力学性能的影响。结果表明，正火加回火后凸轮轴的珠光体含量大于95％，抗拉强度和伸长率分别大于700MPa和3％。该凸轮轴已经大量使用。     

基于多尺度随机共振变换的微弱信号检测

针对在高噪声背景下微弱信号的检测,以绝热近似小参数的随机共振理论为依据,根据随机共振的噪声选择性和频率敏感特性,提出了基于多尺度随机共振变换的微弱信号检测方法.将含噪输入信号经小波变换分解为不同尺度频率的信号成分后,通过引入归一化变换来调节各尺度信号成分的大小,再将不同尺度的分解信号作为非线性双稳系统的输入,从而实现大参数条件下微弱信号的检测.数值仿真结果表明:该方法可以从高噪声背景下提取微弱信号,并能获得较高的输出信噪比,在信号检测领域具有很好的应用前景.     

一种女书手写字符规范字形自动生成方法

中国女书是具有鲜明民族特色的文字,目前国内还没有公认的女书规范字库。针对手写体文字规范化字体生成过程多采用人工修正方式、效率低下的现状,该文设计了一种女书手写字符规范字自动生成方法。基于手写文字样本,提取其单像素骨架,并结合字符轮廓信息进行骨架畸变点校正;然后提取骨架特征点和笔段,根据笔段连通性和交角情况建立笔段关联矩阵;基于笔段关联矩阵由笔段恢复笔画,获取笔画路径关键点序列;最后基于三次Bezier曲线重绘字符笔画并均匀加粗,形成笔画粗细一致、平滑无毛刺、无畸变的规范字体。实验结果表明,该方法自动便捷,效果良好,效率优于人工方式,经改进后可以推广到其他手写字符的规范化过程。     

领域相关的汉语情感词典扩展

动态情感知识的获取,特别是领域相关极性词典的构建一直是意见挖掘和情感分析系统在开放应用时面临的主要挑战之一。该文面向产品评价文本提出一种汉语情感极性词典扩展方法。该方法首先采用序列标注方法从意见文本中抽取产品意见要素,同时构建属性-评价对;然后,对抽取的属性-评价对进行正规化,以减少词典扩展中的复杂性和噪声;最后,改进PolarityRank算法的构图方式以使其适用于汉语文本,从而完成词典扩展。在汽车和手机两个领域的意见文本的实验结果表明领域相关的情感极性词语的扩展有利于情感极性分类性能的提高。