搜索结果: 1-6 共查到“计算机科学技术 对抗网络”相关记录6条 . 查询时间(0.081 秒)
中国科学技术大学在生成对抗网络的模式崩溃机理研究取得重要突破（图）
对抗网络 模式崩溃机理 计算机网络
2024/2/25
中国科学技术大学九韶团队研究了模式崩溃发生的根本机理，基于数学理论分析提出了一种新方法定量检测和解决生成对抗网络（GANs）中的模式崩溃问题。该成果以“DynGAN: Solving Mode Collapse in GANs with Dynamic Clustering”为题发表在国际知名学术期刊IEEE Transactionson Pattern Analysis and Machine ...
本发明涉及一种基于生成对抗网络模型的皮肤黑色素和油脂标注方法和系统，将传统的基于模板阈值的皮肤黑色素和油脂标注方式转化为一个求解基于深度学习的最优化解，通过生成对抗网络模型的自主学习能力，较为准确地捕捉到皮肤表层黑色素和油脂所展现出来的特征，得到合理的生成器模型，有效重建了原始输入图像中的高频部分，并采用patchGAN的网络结构来控制输出图像在局部上的重建质量，在输出标注完成的图像结果时，不会在...
发票是财务系统的重要组成部分.随着计算机视觉和人工智能技术的发展,出现了各种发票自动识别系统,但是发票上的印章严重影响了识别准确率.本文提出了一种用于自动消除发票印章的SealGAN网络.SealGAN网络是基于生成式对抗网络CycleGAN的改进,采用两个独立的分类器来取代原本的判别网络,从而降低单个分类器的分类要求,提高分类器的学习性能,并且结合ResNet和Unet两种结构构建下采样W...
基于混合生成对抗网络的多视角图像生成算法
深度学习 计算机视觉 图像翻译 多视角图像生成
2021/11/18
多视角图像生成即基于某个视角图像生成其他多个视角图像,是多视角展示和虚拟现实目标建模等领域的基本问题,已引起研究人员的广泛关注.近年来,生成对抗网络(Generative adversarial network,GAN)在多视角图像生成任务上取得了不错的成绩,但目前的主流方法局限于固定领域,很难迁移至其他场景,且生成的图像存在模糊、失真等弊病.为此本文提出了一种基于混合对抗生成网络的多视角图像生成...
视网膜血管的分割帮助医生对眼底疾病进行诊断有着重要的意义.但现有方法对视网膜血管的分割存在着各种问题,例如对血管分割不足,抗噪声干扰能力弱,对病灶敏感等.针对现有血管分割方法的缺陷,本文提出使用条件深度卷积生成对抗网络的方法对视网膜血管进行分割.我们主要对生成器的网络结构进行了改进，在卷积层引入残差模块进行差值学习使得网络结构对输出的改变变得敏感,从而更好地对生成器的权重进行调整.为了降低参数数目...
近日，中国科学院自动化研究所智能感知与计算研究中心在生成对抗网络基础上提出高保真度的姿态不变模型（High Fidelity Pose Invariant Model，HF-PIM）来克服人脸识别任务中最为经典的姿态不一致问题。实验结果表明，该方法在基准数据集上的表现的视觉效果和定量性能指标都优于目前最好的基于对抗生成网络的方法。此外，HF-PIM所支持的生成图像分辨率也在原有方法的基础上提升了一...