深度强化学习局部策略迁移方法

【目的】强化学习策略迁移是一条降低深度强化学习训练消耗的有效途径,其中,局部策略迁移是在较小粒度上实现策略的迁移,它对整体策略性能的提升和策略灵活组合形成新整体策略有重要意义。提出了深度强化学习局部策略迁移方法。【方法】借鉴了软件工程中“高内聚,低耦合”的思想,通过对作为策略载体的神经网络进行划分,使得不同子神经网络承载不同局部策略,然后通过对子神经网络的迁移,实现局部策略迁移。该方法支持局部策略灵活替换和组合,形成性能更优秀和适应新环境的新总策略。选取经典深度强化学习算法DQN作为实验算法,对比DQN算法使用本文方法前后的迁移能力和表现性能。【结果】结果表明,DQN算法使用本文方法后实现了局部策略迁移的同时表现性能还提升了约27.5%.

基于SAM分割的交互式局部图像风格迁移方法研究

针对目前局部图像风格迁移目标区域选择困难、迁移灵活性不足、容易出现内容泄露、前景与背景边缘过渡不自然等问题,提出一种基于任意分割模型(Segment Anything Model,SAM)的交互式局部图像风格迁移方法。首先利用SAM分割网络在用户输入提示的指导下对输入的内容图像进行交互式目标迁移区域提取,对得到的有效对象掩码进行二值化处理,以二值化掩码提取全局风格化图像的目标区域作为前景、内容图像作为背景图像进行泊松融合,实现局部图像风格迁移。为了避免迁移过程中的内容泄露,全局风格迁移网络采用生成对抗网络架构,通过多级自适应注意力归一化模块进行风格特征转换,利用联合损失函数对网络进行综合训练。实验结果表明,设计的交互式局部图像风格迁移网络能够根据用户提示生成灵活可控的局部迁移结果,可以对图像中的任意物体进行风格迁移,迁移结果很好地保留了内容源图像中的内容结构,避免了内容泄露,且前景与背景边缘过渡更加自然。

基于卷积神经网络的图像局部风格迁移

图像风格迁移是计算机图形学和计算机视觉的一个研究热点。针对现有的图像风格迁移方法中难以对内容图局部区域进行风格迁移的难点,提出了一种基于卷积神经网络的图像局部风格迁移框架。首先,根据输入的内容图和风格图,利用图像风格迁移网络生成全局风格迁移图;然后,利用图像语义分割网络,通过自动语义分割生成的掩码确定图像前景区域与背景区域;最后,利用掩码图确定风格迁移区域并融合未迁移区域得到图像局部风格迁移结果,同时提出一种基于曼哈顿距离的图像融合算法以优化局部风格迁移对象与未迁移区域之间边界的衔接和平滑过渡。该框架综合考虑了目标区域和边界带的像素值、位置等细节信息,在3个公开的图像数据集上进行实验,结果表明该方法能够高效、快速并自然地实现输入内容图的局部风格迁移,生成艺术性与真实性和谐并存的视觉效果。

人脸妆容迁移研究综述

人脸妆容迁移的目标是在保持源图像面部特征的同时,将人脸妆容从参考图像迁移到源图像,具有重要的理论研究价值和巨大的市场应用价值。目前,生成对抗网络已成为解决人脸妆容迁移问题的主流技术。阐述了人脸妆容迁移面临的主要挑战,按照重点解决问题的不同系统地梳理了已有的人脸妆容迁移方法并分析了其优点和局限性,总结了人脸妆容迁移网络常用的损失函数,介绍了常用的人脸妆容迁移数据集以及模型评价方法,讨论了人脸妆容迁移领域未来的发展趋势。

基于主动轮廓探索的多源色彩迁移

传统的多源色彩迁移算法常常利用欧氏色彩距离来分割目标图像,由于色彩序列的模糊性与不确定性,使得这种分割极易出现色彩扭曲现象.针对这个问题,提出一种基于主动轮廓探索的多源色彩迁移算法.首先,为将目标图像的主体与背景分离开,利用一种主动进化的方法生成虚拟轮廓线,并采用能量函数评价机制迫使虚拟轮廓线逐渐逼近实际轮廓线.其次,合理利用源图像与目标图像在RGB、Gray和LMS等不同色彩空间的表示、分割、转换,实现其在lαβ空间的多源色彩迁移.最后,将在lαβ空间迁移得到的目标图像逆向操作后恢复为RGB显示.单源与多源色彩迁移的对比、灰度化色彩通道的选择以及各色彩空间不同色彩通道间的干涉性对比等实验验证了所提算法的合理性与有效性.

引入特征迁移和匹配学习的双蚁型蚁群算法

针对传统蚁群算法在求解旅行商问题(TSP)时存在收敛速度慢、易陷入局部最优等问题,提出一种引入特征迁移学习和匹配学习的双蚁型蚁群算法(BMACS)。首先,将种群动态分级为探索蚁和追踪蚁,其中适应度较高的为探索蚁,较低的为追踪蚁;其次,提出一种局部特征迁移机制,该机制下有两种策略,在特征迁移策略中,将探索蚁公共路径作为局部特征通过局部信息素奖励迁移到信息素矩阵中,进而提高探索蚁的影响力,加快算法收敛速度;在变异学习策略中,追踪蚁跟随探索蚁负责对次优路径的探索,自适应重构探索蚁路径,从而丰富种群多样性;最后,当算法停滞时,利用匹配学习机制将当前最优个体与相似度最高的历史最优个体进行交流学习,重组信息素,增加种群的多样性,进而提高算法跳出局部最优的能力。使用MATLAB对TSPLIB中的多组案例进行仿真实验,结果表明改进后的算法平衡了多样性和收敛速度,有效提高了解的质量。

完全二部图的边优美性

研究了完全二部图及其局部边迁移图的边优美性.主要结果有:当(m,n)=1时,奇阶完全二部图K_(m,n)为边优美图的充要条件是m+n|mn+1.

物理变分原理及其在电磁介质中的应用

和数学变分原理的意义不同,物理变分原理是物理界的客观规律,是基本规律.热力学定律是能量守恒定律,指任一自然过程的能量总是守恒的;但同时又是物理变分原理,指从一种状态变化到另一无限接近的状态,在所有可能的稳定过程中,真实过程的能量取极小值,因而又是动量定律.特别是对于存在迁移变分的过程和偏离平衡态不大的不可逆过程,物理变分原理特别有效,可以用来推求连续介质的控制方程,且尚未完全研究透彻.本文对这一原理及其在电磁介质中的某些应用进行了一些研究.