基于高效注意力模块的三阶段网络图像修复

现存的人脸图像修复方法,在图像大比例缺损或分辨率高的条件下合成的图像会出现图像纹理结构不协调和上下文语义信息不一致的情况,不能准确合成清晰的图像结构,比如眼睛和眉毛等。为解决此问题,提出一种基于归一化注意力模块(NAM)的三阶段网络(RLGNet)人脸图像修复方法,能加快模型收敛速度并降低计算成本。其中,粗修复网络对残损图像进行初步修复后,局部修复网络对残损图像局部进行细致的修复,基于归一化注意力模块的全局细化修复网络对残损图像整体进行修复,以增加图像的语义连贯性和纹理结构的协调性。该方法在CelebA-HQ数据集上进行实验,结果表明在掩码比例为20%~30%时PSNR达到30.35 dB,SSIM达到0.9269,FID为2.55,能够合成相邻像素过渡自然和纹理结构合理的人脸图像。

融合CBAM注意力机制的区域归一化图像修复

针对基于生成对抗网络的图像修复模型,在修复随机不规则大面积缺失区域的图像时仍存在修复图像出现伪影或失真的问题,提出一种融合卷积块注意力机制(convolutional block attention module,CBAM)的区域归一化图像修复模型。基于生成对抗网络(GAN)的思想,分为生成网络和对抗网络,在修复模型生成网络编码器与解码器之间的残差块中嵌入CBAM注意力机制,组合成包含混合扩张卷积、可学习区域归一化(RN-L)和CBAM注意力机制的残差块,来获得更有效的感受野,并自动检测图像中潜在的缺失和未缺失区域,同时捕获图像缺失区域的关键局部细节信息,提升网络的特征学习能力,进而提取待修复图像中的有效特征;将原来残差块和解码器的激活函数由ReLU改为Mish及ELU,有效减少信息的保留,从而加快网络的训练。在CelebA、Paris StreetView以及Places2数据集上对具有不规则缺失区域的图像进行实验,采用性能评价指标峰值信噪比(PSNR)、结构相似性(SSIM)和L1损失进行评价。实验结果表明,模型的定性和定量分析结果均优于对比模型,其性能评价指标值更高,修复图像的视觉效果更好。模型在修复随机不规则大面积缺失区域的图像时,能有效消除伪影,呈现出更好的视觉效果,并且模型的收敛速率更快。

数字经济产业的关联效应测度与分析

文章尝试编制2017年、2018年和2020年的数字经济产业投入产出表,计算出数字经济产业的中各部门的感应度系数。通过感应度系数建立灰度关联模型,得出与电子元器件相关联系数最高的是通信设备业,关联度为0.960,最低的是互联网和相关服务业,关联度为0.585。说明通信设备业和电信业在数字经济中起着不可替代的作用,其拉动了国民经济的增长,应大力发展电信业,制造业,即电子元器件,通信设备业等以推动形成在新发展格局下的经济“双循环”的新模式。

探讨混凝土装配式住宅建筑施工技术的应用优势

伴随当前混凝土装配式施工技术的快速发展,在我国建筑行业的广泛应用不单单可以让建筑工程施工的周期大幅度缩短,还可以做到节约材料,保护周边环境,在我国发展节约型社会方面具有非常重要的促进意义,所以建筑企业一定要重视加强混凝土装配式施工技术的研究。

房屋建筑工程中地基处理施工技术的探讨

伴随当前我国城市化发展速度进一步加快,房屋建筑水平也在逐步提高。房屋建筑工程当中,需要注意重点加强地基施工处理,工作地基是否结实会对建筑工程的质量产生直接影响,在施工的时候相关施工人员一定要注意加强地基的处理,依照地基的实际情况合理的对地基处理技术进行选择,让地基承载能力提高,符合建筑工程施工的具体需要,本文重点分析研究房屋建筑工程中地基处理施工技术,以供参考。