使用条件生成对抗网络的自然图像增强方法

自然图像增强是计算机视觉领域中的一个研究热点.针对以往图像增强方法计算过程复杂和参数需手工设置等缺陷,提出一种基于条件生成对抗模型的图像增强(enhancement with conditional generative adversarial networks,E-CGAN)方法.分别构建生成式神经网络和判别式神经网络,其中,生成模型直接对图像进行处理生成最终增强的图片结果,判别模型在训练阶段对生成模型构建对抗型损失函数,优化生成模型的参数.在生成模型的结构中,加入L1距离误差函数作为生成模型的约束,并提出连续多尺度跨层连接方式,加快网络的训练速度,提高生成模型的准确率.在图像清晰度增强,灰度图像着色两个图像增强问题上进行实验,结果表明,E-CGAN可以有效地保留图像特征,PSNR和SSIM质量平均提高9%和5%.

再述:渗碳淬火件表面层非马氏体组织形成的原因和防止措施

在《金属热处理》2000年第25卷第11期刊登题为"渗碳淬火件表面层非马氏体组织形成的原因和防止措施"的基础上,根据近几年在热处理生产中的实际总结和产品质量的检验,对渗碳淬火件表面层非马氏体组织形成的原因和防止措施有了新的见解并加以完善。收集了一些在真空炉和多用炉渗碳件表面层非马氏体组织检查结果并对此进行了评述,再次强调了采用净化后的天然气、甲醇、氨气等渗碳气源是减少非马氏体组织的重要措施,并且在检查非马氏体组织时一定要浅腐蚀.