基于半监督学习的StyleGAN图像生成模型

StyleGAN是一种基于生成对抗网络的图像生成方法,它在图像生成领域占据着重要的地位。但传统的StyleGAN生成图片质量依赖于训练集样本质量,当训练集图片质量较低时,StyleGAN往往不能很好发挥作用。针对此问题,本文提出一种基于半监督的StyleGAN模型(SG-GAN)。对于单个图片的生成,首先根据StyleGAN模型中w向量和图像的一一对应关系,生成训练样本并导入支持向量机(SVM)进行训练。然后,利用SVM和StyleGAN的mapping network在每次生成图像前对w向量进行筛选,挑选合格的w向量生成图像,以提高生成图像质量。对于批量图片的生成,首先经过基因向量生成器生成基因向量并随机组合在一起,采用动态循环回溯算法求得风格向量的所有排列,根据排列结果产生交配后的个体,最后,经过评价函数进行个体的筛选,在模型的多次迭代后,最终找到更加优秀的个体。本文在公开数据集上与几种先进同类方法进行了对比实验,实验结果表明:在lsun猫脸数据集上,模型FID2.74的准确率最高可达74.2%,召回率可达51.2%。经验证,该模型在lsun数据集上的准确率明显优于StyleGAN模型,进一步证实了该模型的有效性。同时,模型在Cat Dataset,CIFAR-100和ImageNet数据集上均达到70%以上的准确率,从而验证了模型具有不错的泛化性。

基于NS-StyleGAN2的鱼类图像扩充方法

图像多分类领域中经常出现类别不平衡问题,这会对分类模型的学习训练产生负面影响。通过对样本数量较少的类别进行扩充可以有效解决类别不平衡问题。生成对抗网络作为近年来新兴的一种神经网络,输入真实图像样本训练可以输出与真实样本非常相似的生成样本。根据此特性,本文结合第二代样式生成对抗网络(StyleGAN2)的设计思想与鱼类图像的特点,设计一种噪声抑制样式生成对抗网络NS-StyleGAN2(Noise-Suppressed Style Generative Adversarial Networks 2)。NS-StyleGN2去除了StyleGAN2合成网络中低分辨率层的噪声输入,从而抑制低分辨率层的噪声权重,使StyleGAN2生成样本细节特征更逼近真实样本特征。采用202张鲢鱼图像进行训练,本文提出的方法在起始分数、弗雷歇起始距离、内核起始距离得分等方面均优于DCGAN、WGAN、StyleGAN2,表明该方法可以有效进行图像扩充。

Network Garment Style Design System with Remote Information Access and Auto-Connecting Technology

A Network Garment Style Design System (NGSDS) is proposed to enable the remote style structure drawing design of garment. After the development of the system structure based on network that consists of client end and server end at two remote places, a multi-layer part database based on Oracle platform is presented to store information of different parts of garment style. With the acquirement of remote design data at server end using Http technology, the style design is ultimately implemented at the client end using Auto-connecting algorithms. One empirical example is given to show the implementation of the NGSDS.

Diabetic Retinopathy Classification Based on Bilinear Cross Attention Network

Computer-aided diagnostic systems can assist doctors in diagnosing and treating DR cases more effectively, thereby improving work efficiency, reducing the burden on doctors during examinations, and alleviating problems related to uneven distribution of medical resources and shortage of doctors. In this article, we propose a classification method for diabetic retinopathy based on a bilinear multi-attention network. This method uses two backbone networks to extract features, and cross-shares the features using two attention modules to further deepen feature extraction. The non-local attention module is added to address the limitations of traditional convolutional neural networks in capturing global information. By paying attention to highly correlated pathological areas globally, performance improvement can be achieved. We achieved an accuracy of 91.7% on the Messidor dataset.

基于改进YOLOv5算法的接触网绝缘子定位方法

【目的】针对高速铁路接触网绝缘子在复杂背景下检测效率不高的问题提出一种检测算法。【方法】首先对样本数据集进行大规模扩充,在原有YOLOv5s算法的基础上,为有效的提升模型的表征力,增加ECA注意力机制,进行无降维的跨信道方式来聚焦绝缘子位置信息;使用BiFPN特征金字塔网络,进行多尺度的特征融合来丰富语义信息;选用Meta-ACON自适应控制激活函数,在函数允许的最大范围内,严格把控函数的上下限,防止模型出现失控现象;将原有GIOU损失函数更换为EIOU损失函数,从梯度的角度对锚框进行更深一步的划分,进而提升网络的收敛速度。【结果】实验结果表明,通过对YOLOv5s改进后的检测算法,可以对绝缘子进行更精确的定位与识别,准确率达到了99.4%。【结论】所提出的检测算法为绝缘子定位检测提供了更加准确快捷的方法。

基于Trans-nightSeg的夜间道路场景语义分割方法

针对夜间道路场景图像亮度低及缺乏带标注的夜间道路场景语义分割数据集的问题,提出夜间道路场景语义分割方法 Trans-nightSeg.使用TransCartoonGAN,将带标注的白天道路场景语义分割数据集Cityscapes转换为低光条件下的道路场景图像,两者共用同一个语义分割标注,丰富夜间道路场景数据集.将该结果和真实的道路场景数据集一并作为N-Refinenet的输入,N-Refinenet网络引入了低光图像自适应增强网络,提高夜间道路场景的语义分割性能.该网络采用深度可分离卷积替代普通的卷积,降低了计算量.实验结果表明,所提算法在Dark Zurich-test和Nighttime Driving-test数据集上的平均交并比(m IoU)分别达到56.0%和56.6%,优于其他的夜间道路场景语义分割算法.

多尺度语义信息无监督山水画风格迁移网络

针对图像转换类的生成对抗网络在处理无监督风格迁移任务时存在的纹理杂乱、生成图像质量差的问题,基于循环一致性损失提出了循环矫正多尺度评估生成对抗网络。首先在网络架构的设计上,基于图像的三层语义信息提出了多尺度评估网络架构,以此强化源域到目标域的迁移效果;其次在损失函数的改进上,提出了多尺度对抗损失以及循环矫正损失,用于以更严苛的目标引导模型的迭代优化方向,生成视觉质量更好的图片;最后为了预防模式崩溃的问题,在风格特征的编码阶段添加了注意力机制以提取重要的特征信息,在网络的各阶段引入ACON激活函数以加强网络的非线性表达能力,避免神经元坏死。实验结果表明,相比于CycleGAN、ACL-GAN,所提出方法在山水画风格迁移数据集上的FID值分别降低了21.80%和34.33%;为了验证模型的泛化能力,在Vangogh2Photo和Monet2Photo两个公开数据集上进行了泛化实验对比,FID值相比于两个对照网络分别降低了7.58%、18.14%和4.65%、6.99%。

从修辞语体视角看“废话文学”的文学效应

为探究当前“废话文学”对语言文字安全的影响,在梳理和分析“废话文学”概念的基础上,认为“废话文学”具有文学和网络语言的双重属性。继而从修辞语体的视角入手,深入探析“废话文学”的概念、语域分布、表达效果和其带来的文学效应。由此,归纳总结出“废话文学”风趣幽默的风格特征,而这也正是使得“废话文学”广为流行并被滥用而不自知的原因。

基于生成对抗网络的时尚内容和风格迁移

生成对抗网络常常被用于图像着色、语义合成、风格迁移等图像转换任务,但现阶段图像生成模型的训练往往依赖于大量配对的数据集,且只能实现两个图像域之间的转换。针对以上问题,提出了一种基于生成对抗网络的时尚内容和风格迁移模型(content and style transfer based on generative adversarial network,CS-GAN)。该模型利用对比学习框架最大化时尚单品与生成图像之间的互信息,可保证在时尚单品结构不变的前提下实现内容迁移;通过层一致性动态卷积方法,针对不同风格图像自适应地学习风格特征,实现时尚单品任意风格迁移,对输入的时尚单品进行内容特征(如颜色、纹理)和风格特征(如莫奈风、立体派)的融合,实现多个图像域的转换。在公开的时尚数据集上进行对比实验和结果分析,该方法与其他主流方法相比,在图像合成质量、Inception score和FID距离评价指标上均有所提升。

基于Mesh网络的集群式照明管理系统设计

目前的mesh网络中若使用电池供电的传感器,则设备的频繁通信和控制会导致额外的能源消耗。因此,本文基于mesh网络设计了一款集群式照明管理的系统,通过对该系统总框架的设计,将系统所具备的功能分成了数据采集、网络拓扑结构、集群控制等三个模块。通过实验分析,验证出该系统在数据传输效率、控制精准度以及节能效果等方面均具有显著优势。

基于注意力卷积神经网络的服装款式图廓特征识别方法

针对现有服装款式图廓特征识别方法存在特征识别技术复杂和识别精度不高的问题,提出基于注意力卷积神经网络的服装款式图廓特征识别方法。首先,采用数据增强方法对服装款式图廓类型标签进行分类;其次,通过损失函数计算并确定图廓特征分布梯度;然后,通过卷积神经网络构建特征识别模型;最后,引入注意力机制模块识别服装款式图廓特征。验证结果表明:与基于改进Resnet34和基于改进边缘检测算法的服装款式识别方法比,本文方法始终具有较高的复杂图廓识别精准度,对连衣裙款式样衣的图廓识别精准度可达99.1%,外套、裤子、短袖的款式均能达到90%以上。本文方法的识别效果精准有效,可推广于现实中服装款式图廓特征的识别。

基于风格转换注意的循环一致风格转换

为了解决现有艺术风格转换方法难以同时高质量保持图像内容和转换风格模式的问题,引入一种新颖的风格转换注意网络(style-transition attention network, STANet),其包含2个关键部分:一是非对称注意力模块,用于确定参考图像的风格特征;二是循环结构,用于保存图像内容。首先,采用双流架构,分别对风格和内容图像进行编码;其次,将注意力模块无缝集成到编码器中,生成风格注意表征;最后,将模块放入不同的卷积阶段,使编码器变成交错式的,促进从风格流到内容流的分层信息传播。此外,提出了循环一致损失,强制网络以整体方式保留内容结构和风格模式。结果表明:编码器优于传统的双流架构,STANet能用于交换具有任意风格的2幅图像的风格模式,合成更高质量的风格化图像,同时更好地保留了各自的内容。提出的带有风格转换注意的风格转换循环网络,模型风格化图像的内容细节更多,在泛化到任意风格方面获得了良好的效果。

铜凿剪纸风格化方法研究

铜凿剪纸是一种在铜箔上凿点并使用矿物质颜料上色的传统艺术形式,其成品光彩夺目。铜凿剪纸工艺复杂、制作时间长,对手工艺人的技术水平有很高的要求。为此,提出了一种铜凿剪纸风格化的方法,并设计、实现了一种计算机辅助铜凿剪纸设计工具,通过生成图像线稿、凿点图以及铜凿剪纸效果图,帮助手工艺人快速完成铜凿剪纸的创作和制作。将输入图像进行区域分割以提取图像的线条,生成图像线稿;定义了一种颜色损失函数,结合贪心算法和梯度下降法求解函数最小值得到最佳颜色映射方案;基于VGG-19网络对图像线条进行风格迁移,生成凿点图;将线条风格迁移图像与颜色迁移图像进行融合,生成铜凿剪纸效果图;基于PyQt5框架开发铜凿剪纸设计工具,设计了交互平台。实验结果表明,该方法能够实现图像的铜凿剪纸风格化,且效果接近真实的铜凿剪纸,支持手工艺人快速生成工艺流程中需要的图像线稿、凿点图以及效果图等相关材料,提高铜凿剪纸的制作效率,具有较高的应用价值。

《江南Style》走红背后的自媒体网络文化迷思

《江南Style》的极速走红,离不开自媒体的巨大推力。对其进行深入解读又会发现,其背后隐藏着自媒体时代特有的网络文化生成机制。《江南Style》的走红,一方面加剧了网络文化娱乐至死的倾向,促使整个社会文化重心进一步偏移,造成了文化的日益浅薄和枯萎,另一方面在后现代主义社会和文化全球化的进程中,进一步强化了西方想象中的东方他者形象,推动全球霸权主义文化在网络世界新的蔓延,引发了全球文化新的迷思。

基于NLP技术构建AI运维机器人的探索与实践

随着网络业务的快速发展和网络技术的快速演进,人们对网络运维的要求也随之提高。当下的网络运维存在技术门槛高、闭环效率低、运维一致性差等问题。AI运维机器人基于NLP(Natural Language Processing,自然语言处理)技术,为运维人员提供极简的“对话式”运维操作,智能识别运维意图和操作对象,高效自动化执行任务,有效降低了运维人员的技术门槛,替代烦琐人工操作,有效提升了运维效率,实现了网络运维的提质增效。

保留皮下神经血管网的改良袖套式包皮环切术治疗包皮过长及包茎

目的:探讨保留阴茎皮下神经血管网的改良袖套式包皮环切术在治疗包皮过长及包茎中的临床效果。方法:选取2020年6月-2022年5月于笔者医院就诊的46例男性包皮过长或包茎患者作为研究对象,所有患者行保留阴茎皮下神经血管网的改良袖套式包皮环切术,统计患者手术时长、术中出血情况、术后疼痛持续时间、术后外观、术后并发症发生情况及患者满意度。结果:46例患者均顺利完成手术,手术时长(48.62±7.54)min,术中出血量(5.53±3.56)ml,术中疼痛评分(1.60±0.62)分,创口愈合时间(14.56±2.51)d,术后发生局部肿胀1例、伤口感染1例,总并发症发生率为4.35%。患者术后缝合线全部自行脱落,术后疼痛时间较短(18.32±7.24)h,切口愈合良好,切缘外表美观。术后随访1~6个月,患者对手术效果的满意度为95.65%。结论:保留皮下神经血管网的改良袖套式包皮环切术具有术中出血少、术后恢复快、疼痛轻、并发症发生率低、术后阴茎形态良好等优点,患者满意率高,值得临床推广应用。

基于VGG⁃19和MMD卷积神经网络模型的国画风格迁移

卷积神经网络因效果强大而被广泛应用于图像识别,在提取图像特征方面有极大的进步。由于风格迁移技术主要是针对西方油画,而国画是一种传统的中国艺术风格,其在风格迁移方向上缺乏广泛的应用。设计以国画代替西方油画作为风格图像,以自然景观照片作为内容图像,探究传统国画经过卷积神经网络后的提取效果。实验依据VGG算法模型并结合TensorFlow 2框架,对采集的数据集进行预处理,采集像素制成数据矩阵,输入VGG⁃19浅层模型进行训练,通过MMD最小化分布特征图差异,增强卷积层的目标效果。该方法取得比较满意的结果,可为风格迁移转换的研究提供更多参考。

修辞学视角下的网络短视频“这是体”研究

“这是体”是短视频平台兴起的一种以“这是……,这是……,这是……”为固定句式的网络语体。它借助于排比、同异、拈比、衬跌等多种修辞格,形成节奏明快、时尚新颖的特点。这种表达创新和丰富了语言表达形式,它与“梗”的融合能够引发圈层心理共鸣,折射出网络流行语体与媒介传播方式的依存日益紧密的态势,同时也在客观上提醒人们对故意消解语义和逻辑的表达方式保持应有的警惕。

基于改进ResNet网络和迁移学习的服装图像风格识别研究

传统的服装图像风格识别方法主要依赖于成功提取有效特征,这些方法在处理图像时不仅会消耗大量的时间和精力,识别精度也较低。为了提高服装图像风格识别的性能,提出了一种基于改进的ResNet152网络和迁移学习的服装图像风格识别方法。首先将ResNet152网络首层结构中的7×7卷积核替换成3个3×3卷积核组合层,其次把原始残差单元中的“卷积层(Conv)+批归一化层(BN)+非线性激活函数层(Relu)”的组合方式换成“批归一化层(BN)+非线性激活函数层(Relu)+卷积层(Conv)”的组合方式。这两个改进方法有效地提升了网络性能,使其能够更好地捕捉不同尺度的服装风格特征。然后把在ImageNet数据集上训练好的ResNet152网络模型参数迁移到改进的网络中,在此基础上,将女童服装数据集输入到网络中进行训练验证以及微调网络参数。结果表明,所提出的方法风格识别准确率达到了94.2%,训练效果好,识别精度、收敛速度等均优于其他风格识别网络,可以更好的完成女童服装风格识别任务。

基于S-LSSF的小样本滚动轴承故障诊断研究

文中针对滚动轴承故障诊断中滚动轴承故障样本不足的问题,提出基于S-LSSF的滚动轴承故障诊断模型,将Sty-leGan2-ada运用在轴承故障诊断领域。首先利用连续小波变换将时域振动信号转化为时频图像输入StyleGan2-ada生成对应的样本,然后将原始样本和生成样本合并输入改进的ShuffleNetV2模型。在反向传播过程中引入LabelSoomthloss损失函数,降低错误标签对模型诊断性能的影响,进一步抑制过拟合在下采样单元引入LeakyReLU函数解决梯度消失的问题。实验结果表明:S-LSSF模型与原模型相比诊断准确率提高了1.9%,并且平均用时缩短了5 s。与原始样本相比,使用生成样本训练模型后其准确率、精确率、召回率和F1分数分别提高了3.58%、5.71%、6.15%和6.06%,验证了S-LSSF模型在小样本条件下轴承故障诊断的可行性和泛化性。