基于条件生成对抗网络的图像超分辨率重建研究

图像超分辨率重建方法是深度神经网络在计算机视觉方向的重要应用。近期,各行各业对高分辨率图像的需求量愈来愈高,这一趋势促使各种深度神经网络模型不断涌现。其中,条件生成对抗网络成为处理图像超分辨率任务的一种重要模型。基于此,在现有条件生成对抗网络模型的基础上,提出一种新型的条件生成对抗网络。通过引入自注意力机制以及相对判别器模型,构造了一种更有效的超分辨率重建方法,解决了图像超分辨率重建任务中图像的高频细节损失以及边缘模糊等问题。

生成对抗网络研究综述

生成对抗网络(GAN)是一种基于深度学习的强大生成模型,目前广泛应用于计算机视觉、自然语言处理、半监督学习等领域,并取得了显著的成果。随后研究人员通过对GAN的生成器、判别器做结构上的改进或对目标函数等进行优化,提出了更多种的GAN。首先介绍GAN的研究进展和基本思想,其次对一些经典的GAN,如深度卷积生成对抗网络(DCGAN)、条件生成对抗网络(CGAN)、WGAN和超分辨率生成对抗网络(SRGAN)等进行综述,最后对GAN的相关工作进行总结与展望。

飞机液压系统建模与仿真研究

飞机液压系统作为飞机机电系统的重要组成部分,其主要功能是为飞机的各种操控装置提供驱动动力。随着机载复杂系统的增加,现代飞机高度依赖于可靠的液压系统,同时液压系统的健康状况直接影响到飞机安全性。以某型飞机液压系统为具体研究对象,建立了液压系统各元件的数学模型,并利用AMESim仿真软件建立了飞机液压系统的仿真模型,验证了模型与真实液压系统的一致性,确定了模型的可靠性,为后续诊断和预测研究奠定了基础。

基于自注意力机制的条件生成对抗网络

近年来,越来越多的生成对抗网络出现在深度学习的各个领域中。条件生成对抗网络(Conditional Generative Adver-sarial Networks,cGAN)开创性地将监督学习引入到无监督的GAN网络中,这使得GAN可以生成有标签数据。传统的GAN通过多次卷积运算来模拟不同区域之间的相关性,进而生成图像,而cGAN只是对GAN的目标函数加以改进,并没有改变其网络结构,因此cGAN生成的图像中仍然存在长距离特征之间相关性相对较小的问题,从而导致cGAN生成图像的细节不清楚。为了解决这个问题,将自注意力机制引入cGAN中,并提出了一个新的模型SA-cGAN。该模型通过将图像中相距较远的特征相互关联起来生成一致的对象或场景,进而提升生成对抗网络生成细节的能力。将SA-cGAN在CelebA和MNIST手写数据集上进行了实验,并将其与DCGAN,cGAN等几种常用的生成模型进行了比较,结果证明该模型相比其他几种模型在图像生成领域有一定的进步。

受限玻尔兹曼机研究综述

概率图模型是目前机器学习研究的热点,基于概率图模型构造的生成模型已广泛应用于图像和语音处理等领域。受限玻尔兹曼机(restricted Boltzmann machines,简称RBMs)是一种概率无向图,在建模数据分布方面有重要的研究价值,RBMs既可以结合卷积算子构造深度判别模型,为深度网络提供统计力学的理论支持,也可以结合有向图构建生成模型,提供具有多峰分布的先验信息。主要综述了以RBMs为基础的概率图模型的相关研究。首先介绍了基于RBMs的机器学习模型的基本概念和训练算法,并讨论了基于极大似然估计的各训练算法的联系,比较了各算法的log似然损失;其次,综述了RBMs模型最新的研究进展,包括在目标函数中引入对抗损失和W距离,并构造基于RBMs先验的变分自编码模型(variational autoencoders,简称VAEs)、基于对抗损失的RBMs模型,并讨论了各实值RBMs模型之间的联系和区别;最后,综述了以RBMs为基础的模型在深度学习中的应用,并讨论了神经网络和RBMs模型在研究中存在的问题及未来的研究方向。

基于校企平台的项目化竞赛式实验教学探索与实践

东北大学国家级电子实验教学示范中心充分利用校企合作联合共建实验室资源,在实验教学中,以实验过程管理项目化、竞赛式实验结果考核与评价的理念作为引导,进行教学改革探索与实践。结合实施案例,对比传统实验教学模式,该模式符合当前高等教育工程实践人才培养的理念和目标,在学生工程实践能力与创新能力培养上收效显著,为“卓越工程师”培养起到重要的促进作用。改革成果与经验值得借鉴与推广。

超高速彩色乳剂中DAR成色剂的应用研究

论述了 Ｄ Ａ Ｒ 成色剂在超高速感蓝和感红乳剂中增感作用及影响因素。

基于跨通道交叉融合和跨模块连接的轻量级卷积神经网络

针对传统卷积神经网络参数量过多、计算复杂度高的问题,提出了基于跨通道交叉融合和跨模块连接的轻量级卷积神经网络架构C-Net。首先,提出了跨通道交叉融合的方法,它在一定程度上克服了分组卷积中各分组之间存在缺乏信息流动的问题,简单高效地实现了不同分组之间的信息通信;其次,提出了一种跨模块连接的方法,它克服了传统轻量级架构中各基本构建块之间彼此独立的缺点,实现了同一阶段内具有相同分辨率特征映射的不同模块之间的信息融合,从而增强了特征提取能力;最后,基于提出的两种方法设计了一种新型的轻量级卷积神经网络架构C-Net。C-Net在Food101数据集上的准确率为69.41%,在Caltech256数据集上的准确率为63.93%。实验结果表明,与目前先进的轻量级卷积神经网络模型相比,C-Net降低了存储开销和计算复杂度。在Cifar10数据集上的消融实验验证了所提出的两种方法的有效性。

卤化银的结晶形态对医用X-光胶片压力减感的影响

为了减少医用 Ｘ － 光胶片的压力减感，介绍了二种卤化银的结晶形态，一种是形态比为３ ～１０ 的卤化银晶体，另一种是满足关系式 Ｅ Ｃ Ｄ／ｔ２＞ ２５ 的 Ｔ 颗粒卤化银晶体。

硫族元素的化学增感

硒碲化合物用作化学增感剂可以显著提高感光乳剂的感光度 ,但也带来增加灰雾和降低反差的缺点。为了克服这个难题 ,曾进行大量研究工作 ,主要在改进硒碲化合物的化学结构和觅找其在制备乳剂过程中应用的最佳工艺方法等方面。