检索结果

Select

1. 非对称端到端的无监督图像去雨网络

江锐, 刘威, 陈成, 卢涛

《计算机应用》唯一官方网站 2024, 44 (3): 922-930. DOI: 10.11772/j.issn.1001-9081.2023030367

摘要（165）

HTML （2）

PDF （3275KB）（115）

现有的基于学习的单幅图像去雨网络大都关注雨天图像中雨痕对于视觉成像的影响，而忽略了雨天环境下由于空气中湿度的增加所产生的雾气对视觉成像的影响，因此造成去雨后图像的生成质量低、纹理细节信息模糊等问题。针对该问题，提出一种非对称端到端的无监督图像去雨网络模型，该模型主要包含雨雾去除网络、雨雾特征提取网络和雨雾生成网络，并由它们组成两个不同数据域映射转换模块：Rain-Clean-Rain和Clean-Rain-Clean。上述三个子网络构成并行的两条转换路径：去雨路径和雨雾特征提取路径。在雨雾特征提取路径上，提出一种基于全局和局部注意力机制的雨雾感知提取网络，利用雨雾特征存在的全局自相似性和局部差异性学习雨-雾相关特征；在去雨路径上，引入雨天图像退化模型和上述提取的雨雾相关特征作为先验知识以增强雨雾图像生成的能力，从而约束雨雾去除网络，提高它从雨天数据域到无雨数据域的映射转换能力。在不同雨天图像数据集上的实验结果表明，与较先进的去雨方法CycleDerain相比，在合成雨雾数据集HeavyRain上所提方法的峰值信噪比（PSNR）提升了31.55%，能适应不同的雨天场景，具有更好的泛化性，并且能更好地复原图像的细节和纹理信息。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于组合学习的人脸超分辨率算法

许若波, 卢涛, 王宇, 张彦铎

计算机应用 2020, 40 (3): 710-716. DOI: 10.11772/j.issn.1001-9081.2019071178

摘要（459）

PDF （1595KB）（378）

现有的基于深度学习的人脸超分辨算法大部分仅仅利用一种网络分区重建高分辨率输出图像，并未考虑人脸图像中的结构性信息，导致了在人脸的重要器官重建上缺乏足够的细节信息。针对这一问题，提出一种基于组合学习的人脸超分辨率算法。该算法独立采用不同深度学习模型的优势重建感兴趣的区域，由此在训练网络的过程中每个人脸区域的数据分布不同，不同的子网络能够获得更精确的先验信息。首先，对人脸图像采用超像素分割算法生成人脸组件部分和人脸背景图像；然后，采用人脸组件生成对抗网络（C-GAN）独立重建人脸组件图像块，并采用人脸背景重建网络生成人脸背景图像；其次，使用人脸组件融合网络将两种不同模型重建的人脸组件图像块自适应融合；最后，将生成的人脸组件图像块合并至人脸背景图像中，重建出最终的人脸图像。在FEI数据集上的实验结果表明，与人脸图像超分辨率算法通过组件生成和增强学习幻构人脸图像（LCGE）及判决性增强的生成对抗网络（EDGAN）相比，所提算法的峰值信噪比（PSNR）值分别高出1.23 dB和1.11 dB。所提算法能够采用不同深度学习模型的优势组合学习重建更精准的人脸图像，同时拓展了图像重建先验的来源。

参考文献 | 相关文章 | 多维度评价

Select

3. CNN-BiGRU网络中引入注意力机制的中文文本情感分析

王丽亚, 刘昌辉, 蔡敦波, 卢涛

计算机应用 2019, 39 (10): 2841-2846. DOI: 10.11772/j.issn.1001-9081.2019030579

摘要（1833）

PDF （909KB）（524）

传统卷积神经网络（CNN）中同层神经元之间信息不能互传，无法充分利用同一层次上的特征信息，缺乏句子体系特征的表示，从而限制了模型的特征学习能力，影响文本分类效果。针对这个问题，提出基于CNN-BiGRU联合网络引入注意力机制的模型，采用CNN-BiGRU联合网络进行特征学习。首先利用CNN提取深层次短语特征，然后利用双向门限循环神经网络（BiGRU）进行序列化信息学习以得到句子体系的特征和加强CNN池化层特征的联系，最后通过增加注意力机制对隐藏状态加权计算以完成有效特征筛选。在数据集上进行的多组对比实验结果表明，该方法取得了91.93%的F1值，有效地提高了文本分类的准确率，时间代价小，具有很好的应用能力。

参考文献 | 相关文章 | 多维度评价

Select

4. 非规范化中文地址的行政区划提取算法

李晓林, 黄爽, 卢涛, 李霖

计算机应用 2017, 37 (3): 876-882. DOI: 10.11772/j.issn.1001-9081.2017.03.876

摘要（926）

PDF （1226KB）（517）

由于互联网上中文地址的非规范化表达，导致互联网中的中文地址信息在地理位置服务中难以直接应用。针对此问题，提出一种非规范中文地址的行政区划提取算法。首先，对原始数据进行“路”特征词分组预处理；再利用行政区划字典和移动窗口最大匹配算法，从中文地址中提取所有可能的行政区划数据集；然后，利用中文地址行政区划元素之间具有层次关系的特点，建立行政区划条件集合运算规则，对获取的数据集进行集合运算；再利用行政区划匹配度建立一种行政区划集合解析规则，来计算行政区划可信度；最后，得到可信度最大信息量最完整的中文地址的行政区划。利用从互联网中提取的约25万条中文地址数据进行是否采用“路”特征词分组处理以及是否进行可信度计算处理，对算法的可用性进行了验证，并与目前的地址匹配技术进行对比，准确率达到93.51%。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于图像超分辨极限学习机的极低分辨率人脸识别

卢涛, 杨威, 万永静

计算机应用 2016, 36 (2): 580-585. DOI: 10.11772/j.issn.1001-9081.2016.02.0580

摘要（517）

PDF （995KB）（1025）

极低分辨率图像本身包含的判别信息少且容易受到噪声的干扰,在现有的人脸识别算法下识别率较低。为了解决这一问题,提出一种基于图像超分辨率(SR)极限学习机(ELM)的人脸识别算法。首先,从样本库学习耦合的高低分辨率图像稀疏表达字典,利用高低分辨率表达系数的流形一致性重建高分辨率图像;其次,在超分辨率重建的高分辨率(HR)图像上构建ELM模型,训练获得前向神经网络的连接权值;最后,通过ELM预测输入极低人脸图像的类别属性。实验结果表明,针对于重建后的极低分辨率人脸图片,与协同表示的分类(CRC)人脸识别算法相比,所提算法将识别率分别提升了2%;同时也大幅度缩短了识别的时间。结果表明所提算法能够有效解决极低分辨率图片判决信息不足的问题,具有较好的识别能力。

参考文献 | 相关文章 | 多维度评价