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.     

改进Faster R-CNN的多通道检测算法

鉴于目标检测中的物体外观会根据其基本形状及不同的姿势和视角而有很大的差异,对Faster R-CNN算法进行研究并提出一种多通道检测算法.根据图像宽高比给生成的Ro I分配由3个通道组成的网络进行训练和测试,通过最小化正则函数R(W)和3对损失函数之和L(W)来优化网络,3个通道共享fc6层来提高检测性能并节省内存空间.为验证算法的有效性,在多个数据集和自己拍摄的图像上进行实验验证,实验结果表明,在PASCALVOC2012数据集中改进算法平均精度为78.8％,相比其它相关算法在不同程度上有所提高.     

改进Faster R-CNN的目标检测算法

考虑到目标检测任务中由于目标尺寸大小、形态、遮挡和照明条件的巨大差异,论文对Faster R-CNN算法进行改进.首先,选择残差网络ResNet-101作为特征提取网络;其次,受Mask R-CNN中RoI Align的启发,引入RoI Align单元并结合双线性插值的方法保留浮点数以提高检测精度;最后采用soft-NMS算法代替传统的NMS算法来进行非极大值抑制,使得重叠度高的物体能被成功检测.实验结果表明在PASCALVOC2007数据集中改进算法均值平均精度为80.2％,相比faster R-CNN算法提高了3.8％.     

LED光源调光系统的设计

LED因其发光效率高,寿命长,耗电量少,越来越受到广大用户的关注。本文设计了一套LED光源智能调光系统,可根据周围环境是否有人和环境亮度不同来自动控制LED照明的开关和亮度。本系统具有提高用电效率、节约电能以及保护环境的作用。本系统由硬件和软件两部分组成,硬件部分主要包括红外模块、环境亮度传感模块、运放电路、控制模块、驱动模块以及电源模块。软件部分包括总的控制程序和各个模块的控制程序两部分。本系统的软件采用模块化设计思想,以主程序为核心设置多个功能模块子程序。使大量功能在子程序中实现,简化了设计结构。