期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
结合CSWin-Transformer和门卷积的壁画图像修复方法
1
作者 徐志刚 杨欣宇 《计算机工程与应用》 CSCD 北大核心 2024年第21期215-224,共10页
敦煌壁画是珍贵的文化遗产,但现存壁画存在着大量破损现象。针对现有图像修复方法在处理敦煌壁画时面临着计算复杂度高、纹理模糊和特征提取不足等问题,提出了一种结合CSWin-Transformer(cross stripe window-Transformer)和门卷积的壁... 敦煌壁画是珍贵的文化遗产,但现存壁画存在着大量破损现象。针对现有图像修复方法在处理敦煌壁画时面临着计算复杂度高、纹理模糊和特征提取不足等问题,提出了一种结合CSWin-Transformer(cross stripe window-Transformer)和门卷积的壁画图像修复方法。构建由全局层网络和局部层门卷积残差密集网络组成的并行网络,利用条纹窗口增强图像特征提取能力,并通过门卷积残差块提升结构纹理修复的准确性。设计全局-局部特征融合模块来融合全局层和局部层输出的特征图像,以保持修复结果整体的一致性。通过建立共享注意力机制实现全局层和局部层之间的信息交互,同时为了完成破损壁画的修复,采用谱归一化马尔科夫判别模型进行对抗训练。通过对真实破损壁画的修复实验,结果表明,所提方法在主客观指标上均优于所对比的方法。 展开更多
关键词 深度学习 壁画修复 门卷积 cswin-Transformer 全局-局部特征融合
下载PDF
基于十字形窗口的生成对抗网络模型
2
作者 王丹 王鹏程 +1 位作者 张桉祺 王子涵 《天津科技大学学报》 CAS 2024年第3期64-71,共8页
由于传统的生成对抗网络(generative adversarial network,GAN)都是以卷积神经网络(convolutional neural networks,CNN)作为基本框架,CNN无法处理远程依赖关系,因此会导致图片特征分辨率低和精细细节损失的问题。CSWin Transformer中... 由于传统的生成对抗网络(generative adversarial network,GAN)都是以卷积神经网络(convolutional neural networks,CNN)作为基本框架,CNN无法处理远程依赖关系,因此会导致图片特征分辨率低和精细细节损失的问题。CSWin Transformer中的十字形窗口自注意力机制可以有效捕获图像组件之间的远程依赖关系,本文提出一种基于CSWin Transformer的生成对抗网络模型CTGAN(CSWin Transformer GAN),模型在CIFAR-10数据集和更高分辨率的CelebA数据集上进行测试,模型表现出了较好的生成效果,可以生成保真度高且细节丰富的图片。 展开更多
关键词 生成对抗网络 cswin Transformer 生成模型
下载PDF
黄瓜蜡质合成调控基因CsWIN1的克隆与功能初步分析 被引量:5
3
作者 李铖 潘健 +4 位作者 连红莉 王刚 何欢乐 潘俊松 蔡润 《园艺学报》 CAS CSCD 北大核心 2018年第2期359-370,共12页
从黄瓜中同源克隆了拟南芥中具有调控蜡质合成与代谢功能的基因WIN1/SHINE1,命名为CsWIN1。荧光定量PCR结果表明:CsWIN1在黄瓜植株的叶片和幼果中高表达;通过在拟南芥中过表达CsWIN1,发现其与已报道的WIN1/SHINE1过表达株系表型相似。... 从黄瓜中同源克隆了拟南芥中具有调控蜡质合成与代谢功能的基因WIN1/SHINE1,命名为CsWIN1。荧光定量PCR结果表明:CsWIN1在黄瓜植株的叶片和幼果中高表达;通过在拟南芥中过表达CsWIN1,发现其与已报道的WIN1/SHINE1过表达株系表型相似。通过对CsWIN1转基因株系的基因表达分析发现,蜡质合成相关基因的表达受到了调控。根据以上研究结果,推测CsWIN1与拟南芥WIN1/SHINE1在表皮蜡质合成调控上的功能是保守的,通过调控下游蜡质合成相关基因的表达从而影响蜡质的合成与代谢。 展开更多
关键词 黄瓜 表皮蜡质 cswin1 功能分析
原文传递
基于YOLOv7-EPAN的光伏板红外图像缺陷检测
4
作者 李冰 赵宽 +4 位作者 白云山 郭聪彬 徐蔚 徐大伟 翟永杰 《红外技术》 2024年第11期1315-1324,共10页
光伏板是光伏电站重要组成部件,需定期对其进行检测,保证光伏电站安全运行。针对航拍光伏图像复杂背景下小目标难检测的问题,提出一种基于YOLOv7-EPAN的光伏板红外图像缺陷检测方法。首先提出融合CSWin Transformer的扩展高效网络CS-ELA... 光伏板是光伏电站重要组成部件,需定期对其进行检测,保证光伏电站安全运行。针对航拍光伏图像复杂背景下小目标难检测的问题,提出一种基于YOLOv7-EPAN的光伏板红外图像缺陷检测方法。首先提出融合CSWin Transformer的扩展高效网络CS-ELAN模块,捕获全局有效信息抑制背景信息;其次以CS-ELAN为基础构建高效路径特征聚合网络EPAN(Efficient path aggregation characteristic pyramid network),加强不同特征层的信息交互,丰富语义特征信息,提高特征表达能力;最后优化损失函数,使模型关注高质量先验框,提高小目标定位精度。在航拍光伏红外数据集上进行实验,结果表明:相比于原YOLOv7模型,所提方法的mAP50、mAP50:95分别提高了6.4%、3.3%,表明所提方法能较好地解决航拍光伏图像复杂背景下小目标缺陷漏检的问题。 展开更多
关键词 红外图像 缺陷检测 YOLOv7 深度学习 cswinTransformer 小目标
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部