检索结果

Select

1. 精细化短时交通流预测模型及迁移部署方案

郭嘉宸, 杨宇燊, 王研, 毛仕龙, 孙丽珺

《计算机应用》唯一官方网站 2022, 42 (6): 1748-1755. DOI: 10.11772/j.issn.1001-9081.2021061411

摘要（322）

HTML （6）

PDF （3372KB）（44）

精细化短时交通流预测是保证智能交通系统（ITS）合理决策的前提。为了建立无人驾驶汽车换道模型、预测车辆轨迹、引导车辆出行，及时为每条车道预测车流量成为亟须解决的问题，然而精细化短时交通流预测面临着以下挑战：一是交通流数据日益多元化，传统预测方法难以满足ITS高精度、短时延的要求；二是为每条车道训练预测模型会造成大量的资源浪费。针对以上问题，提出利用卷积-门控循环单元（Conv-GRU）结合灰色关联度分析法（GRA）建立精细化短时交通流预测模型预测车道流量。考虑到深度学习训练时间长、推理时间相对较短的特点，提出云-雾部署方案；同时，为避免为每条车道训练预测模型，在云-雾部署方案的基础上提出了模型迁移部署方案，该方案仅需训练部分车道的预测模型，然后通过GRA将训练好的预测模型迁移部署到关联车道进行预测。对真实交通流数据集进行大量对比实验的结果表明：与传统深度学习预测方法相比，所提模型拥有更精准的预测性能，与卷积-长短期记忆（Conv-LSTM）网络相比在提高精度的基础上运行时间更短，且能在保证高精度预测的情况下实现模型迁移，比训练每条车道的预测模型节省了约49%的训练时间。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 结合降噪卷积神经网络和条件生成对抗网络的图像双重盲降噪算法

井贝贝, 郭嘉, 王丽清, 陈静, 丁洪伟

计算机应用 2021, 41 (6): 1767-1774. DOI: 10.11772/j.issn.1001-9081.2020091355

摘要（282）

PDF （1447KB）（493）

针对图像降噪中降噪效果差、计算效率低的问题，提出了一种结合降噪卷积神经网络（DnCNN）和条件生成对抗网络（CGAN）的图像双重盲降噪算法。首先，使用改进的DnCNN模型作为CGAN的生成器来对加噪图片的噪声分布进行捕获；其次，将剔除噪声分布后的加噪图片和标签一同送入判别器进行降噪图像的判别；然后，利用判别结果对整个模型的隐层参数进行优化；最后，生成器和判别器在博弈中达到平衡，且生成器的残差捕获能力达到最优。实验结果表明，在Set12数据集上，当噪声水平分别为15、25、50时：所提算法与DnCNN算法相比，基于像素点间误差评价指标，其峰值信噪比（PSNR）值分别提升了1.388 dB、1.725 dB、1.639 dB；所提算法与三维块匹配（BM3D）、加权核范数最小化（WNNM）、DnCNN、收缩场级联（CSF）和一致性神经网络（CSNET）等现有算法相比，结构相似性（SSIM）评价指标值平均提升了0.000 2~0.104 1。实验结果验证了所提算法的优越性。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于生成对抗网络的人像修复

袁琳君, 蒋旻, 罗敦浪, 江佳俊, 郭嘉

计算机应用 2020, 40 (3): 842-846. DOI: 10.11772/j.issn.1001-9081.2019071283

摘要（514）

PDF （907KB）（578）

人像修复广泛用于基于图像渲染和计算摄影的照片编辑。针对衣着的不同、高矮胖瘦的区别以及姿态的高自由度等因素给人像修复带来的困难，提出了一种基于生成对抗网络（GAN）的高效人像修复方法。算法分为两阶段：第一阶段基于编码器-解码器网络粗略修复图像，然后估计其中人体姿态信息；第二阶段基于姿态信息和GAN来精确修复人像。利用人像姿态信息来连接人像姿态关键点，形成姿态框架并执行膨胀操作，得到人像姿态掩码，以此构造人像姿态损失函数进行网络训练。实验结果表明，与Contextual Attention修复方法相比，所提方法的修复结果在结构相似度（SSIM）上提升了1%。该方法将人像姿态信息加入到修复过程中，有效地约束了待修复区域人像数据的解空间范围，加强了网络对人像姿态信息的关注程度。

参考文献 | 相关文章 | 多维度评价