排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
针对图像超分辨率重建中几何结构扭曲和细节缺失等问题,文中提出基于多残差网络的结构保持超分辨重建算法.在小波变换域和梯度域上进行深度学习.文中算法包含3种残差网络.残差梯度网络用于结构及边缘信息的重建.残差小波变换网络从整体上进行图像高频信息的重建.残差通道注意力网络通过调整网络注意力,着重学习重要的通道特征,从局部恢复... 相似文献
3.
考虑到卷积神经网络可以通过训练过程引入图像的先验知识,文中提出基于深度学习的芯片图像超分辨率重建.利用卷积神经网络改善迭代反投影法的初始估计图像,通过迭代过程引入图像序列间的互补信息,建立芯片图像的样本集.实验表明,在不同放大倍数下,改进算法的客观评价指标平均值均较高,在芯片图像中的电路密集处,改进算法的主观视觉感受也较好.同时,文中算法适用于自然图像. 相似文献
4.
由于传统的硬件木马检测均采用功能测试等电信号检测技术,检测方法存在成本高、漏检率高和效率低下等问题,对此提出了一种深度学习的非电信号硬件木马检测算法。该算法首先利用增强残差网络将低分辨率芯片显微图像转换为高分辨率芯片显微图像; 然后通过循环一致对抗生成网络将该高分辨率图像生成与母版图像同源的芯片显微图像, 生成的芯片显微图像通过二阶微分图像增强算法区分出目标区域与背景区域,并结合阈值分割算法将目标区域分割出来; 最后通过数学形态学操作去除由于工业噪声产生的微小干扰,利用变化检测算法检测芯片中存在的硬件木马。通过在芯片显微图像数据集上的实验显示,基于深度学习的硬件木马检测方法正检率高达约92.4%,与传统的电信号检测方法相比,精度更高,速度更快,且操作更简易。 相似文献
5.
为了比较2种不同截齿周向间隔角的EBZ135掘进机截割头的性能,对截齿周向间隔角为36°、45°的EBZ135掘进机用截割头破岩载荷进行了仿真。仿真结果表明:同等条件下,2种截割头的破岩载荷统计参数差别较小。这种方法和结论对截割头的布齿设计具有理论指导意义。 相似文献
6.
红外小目标检测广泛应用于红外检测、红外跟踪等诸多实际领域,但红外小目标检测难度较大,现有红外小目标检测方法不能解决复杂背景问题,并且在特征提取中容易丢失细节信息.因此,文中提出高阶微分方程启发的红外小目标检测网络.在可解释的理论指导下设计四阶Adams引导的特征融合模块,引入自适应权重因子,有效融合不同层级的多尺度信息,并将求解的高阶差分方程应用于网络,通过深层次的学习消除冗杂信息.目标特征增强模块使用不同尺度卷积构成的残差结构,旨在对原始特征进行抑制背景噪声和增强信息量大的多尺度特征操作.在公开数据集SIRST上的小目标检测实验表明,文中网络检测结果的多个评估指标值以及视觉效果均较优. 相似文献
1