期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于循环生成对抗网络的人脸素描合成网络设计 被引量:1
1
作者 葛延良 孙笑笑 +2 位作者 王冬梅 王肖肖 谭爽 《吉林大学学报(信息科学版)》 CAS 2023年第1期76-83,共8页
针对目前人脸到素描合成存在生成的素描图轮廓模糊、细节纹理缺失等问题,提出一种采用循环生成对抗网络(CycleGAN:Cycle-Generative Adversarial Networks)解决方案。构建多尺度CycleGAN,生成器采用深度监督的U-Net++结构为基础,在其解... 针对目前人脸到素描合成存在生成的素描图轮廓模糊、细节纹理缺失等问题,提出一种采用循环生成对抗网络(CycleGAN:Cycle-Generative Adversarial Networks)解决方案。构建多尺度CycleGAN,生成器采用深度监督的U-Net++结构为基础,在其解码器端进行下采样密集跳跃连接;在其生成器的编码器端设计通道注意力和和空间注意力机制形成特征增强模块;最后在生成器中增加像素注意力模块。实验结果表明,与现有经典算法相比,从主观视觉评测和利用现有的4种图像质量评价算法进行质量评估,该方法较好地合成了素描图像的几何边缘和面部细节信息,提高了素描图像的质量。 展开更多
关键词 深度学习 多尺度CycleGAN 卷积神经网络 特征增强模块 像素注意力模块
下载PDF
一种基于YOLOv4的密集人群小目标检测方法
2
作者 王翀 王同军 周正一 《应用科技》 CAS 2024年第2期82-89,共8页
针对密集人群中由于视觉受阻和目标被遮挡导致小目标检测精度不佳的问题,本文基于YOLOv4模型将卷积块–像素块注意力机制模块(convolutional-pixel block attention module,CBAM-PIX)融入主干网络CSPDarknet53,并利用级联思想改进特征... 针对密集人群中由于视觉受阻和目标被遮挡导致小目标检测精度不佳的问题,本文基于YOLOv4模型将卷积块–像素块注意力机制模块(convolutional-pixel block attention module,CBAM-PIX)融入主干网络CSPDarknet53,并利用级联思想改进特征融合网络。注意力机制方法和特征融合方法不仅提升了数据的丰富性,而且提高了空间通道像素提取信息的能力和目标检测的准确性。此外,通过减少网络层数降低计算量和减少参数,提高了网络模型在有限计算资源和设备需求下的适应能力。实验结果表明,改进的模型算法在用于密集人群小目标检测时精确度提升了1.96%,且鲁棒性强。该算法为解决复杂背景下密集人群小目标检测提供了有效的解决方案,具有应用价值。 展开更多
关键词 小目标检测 YOLOv4 特征提取 卷积块–像素注意力机制模块 密集人群 多尺度特征网络 WiderPerson数据集 特征融合
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部