区域感知实时人像超分辨率重建网络

在人像超分辨率重建领域,传统方法通常将整幅图像进行统一处理,导致效率低下。为降低模型的推理时延,提出了一种实时超分辨率重建模型RASR。该模型利用门控单元处理低分辨率图像,识别出人像边缘区域;采用分区重建策略,使用不同尺寸的子模型分别针对包含或不包含人像边缘的区域进行重建。实验结果表明:与现有方法相比,RASR模型在4倍上采样重建场景下的推理时延降低了88%,能够更有效地重建高分辨率人像图像。

代码Cache分组管理策略研究

代码Cache是动态优化系统的重要组成部分,利用代码Cache可以实现翻译代码的复用,利用软件管理代码Cache存储优化和代码翻译。代码Cache存储大小不等的超级块,超级块之间可能包含指向其它超级块的链接指针,因而会带来较高的替换开销。提出采用分组管理代码Cache的策略,该策略能够有效的平衡Cache管理的复杂性和Cache的失效率。

城市迷宫——空间、过程与城市复杂系统

本文试图探讨迷宫作为一种复杂的空间形式和复杂系统行为对城市研究的影响。针对大多数的城市中心发展使空间趋向网格化这一共性,我将以北京内城为例,说明在二级城市网格欠发达的情况下,中心性(非大尺度范围的中心,但至少是中尺度的)如何在“迷宫空间”中涌现。因此,本文似乎表达了两个相互矛盾的观点:一方面视“空间”作为城市发展的“自然逻辑”为自组织行为提供了一种必然趋势;另一方面又关注这种趋势在真实的城市中如何被多样化地实现。这个矛盾在一定程度上是城市作为一个复杂动态系统的明证,理解“空间”和“过程”的互动作用对把握该系统的行为缺一不可。

嵌入式GIS平台提升矢量地图操作速度的数据存储与管理技术的研究

矢量地图数据存储与管理技术是嵌入式G IS系统的重要研究内容,结合电子地图工作模式和地图数据访问特点,在常见的图幅分块和数据分级基础上,提出建立实体附加检索数据区和实体详细属性数据区;同时引入超块单元,并对超块内地图数据重新组织,从而使得人机交互时,数据定位时间缩短,数据读取冗余量减少,矢量地图操作性能表现更好。

基于门控卷积神经网络的图像超分辨重建算法

近年来,卷积神经网络被广泛应用于图像超分辨率领域。针对基于卷积神经网络的超分辨率算法存在图像特征提取不充分,参数量大和训练难度大等问题,本文提出了一种基于门控卷积神经网络(gated convolutional neural network, GCNN)的轻量级图像超分辨率重建算法。首先,通过卷积操作对原始低分辨率图像进行浅层特征提取。之后,通过门控残差块(gated residual block, GRB)和长短残差连接充分提取图像特征,其高效的结构也能加速网络训练过程。GRB中的门控单元(gated unit, GU)使用区域自注意力机制提取输入特征图中的每个特征点权值,紧接着将门控权值与输入特征逐元素相乘作为GU输出。最后,使用亚像素卷积和卷积模块重建出高分辨率图像。在Set14、BSD100、Urban100和Manga109数据集上进行实验,并和经典方法进行对比,本文算法有更高的峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity,SSIM),重建出的图像有更清晰的轮廓边缘和细节信息。