【摘 要】
：
在计算机视觉处理中，无参考图像质量评价（NR-IQA）是一项有广泛应用场景同时也具备挑战性的任务。针对通用型无参考图像质量评价方法，提出了一种基于伪参考图像显著性深层特征的评价算法。首先，在失真图像的基础上，利用微调的生成对抗网络模型生成相应的伪参考图像作为失真图像的补偿信息，弥补NR-IQA方法缺少真实参考信息的劣势；其次，提取伪参考图像的显著性信息，将伪参考显著性图像与失真图像输入到卷积神经网
论文部分内容阅读
在计算机视觉处理中，无参考图像质量评价（NR-IQA）是一项有广泛应用场景同时也具备挑战性的任务。针对通用型无参考图像质量评价方法，提出了一种基于伪参考图像显著性深层特征的评价算法。首先，在失真图像的基础上，利用微调的生成对抗网络模型生成相应的伪参考图像作为失真图像的补偿信息，弥补NR-IQA方法缺少真实参考信息的劣势；其次，提取伪参考图像的显著性信息，将伪参考显著性图像与失真图像输入到卷积神经网络中提取深层特征；最后，融合二者的深层特征并将其映射到由全连接层组成的回归网络中，从而产生与人类视觉一致
其他文献
现实中推荐系统通常遭受着各种各样的偏置问题，例如曝光偏置、位置偏置和选择偏置等。一个忽略偏置问题的推荐模型不能反映系统的真实性能，且对于用户而言可能是不可信任的。先前的工作已经表明基于倾向得分估计的推荐模型能够有效缓解隐式反馈数据的曝光偏置，但是通常只考虑通过物品信息来估计倾向得分，这可能导致倾向得分估计不准确的问题。为了提高倾向得分估计的准确性，提出配对倾向得分估计（MPE）方法。具体而言，该方
针对卫星影像上车辆的漏检问题，该文对深度学习YOLOv3模型进行了网络改进，并用于高分二号卫星影像车辆检测。该方法通过减少原特征提取网络darknet-53的层数来降低网络复杂度，并在原YOLOv3模型3个尺度的基础上进行了尺度扩充以提高对小目标的检测能力。实验结果表明，改进后的YOLOv3模型较好地克服了多数深度学习算法不擅长检测小目标的短板，不仅检测结果比原算法更为精确，而且训练和检测速度也更
约束多目标进化算法在求解不可行域较大优化问题时对不可行域的合理探索不仅有助于种群快速收敛于可行区域内的最优解，还能减少无潜力不可行域对算法性能的影响。基于此，提出一种基于空间收缩技术的约束多目标进化算法(CMOEA-SST)。首先，利用自适应精英保留策略对PPS算法Pull阶段初始种群进行改进，增加Pull阶段初始种群的多样性和可行性；其次，在进化过程中采用空间收缩技术逐渐缩小搜索空间，减少无潜力
由于传统湿度传感器在恶劣环境下测量湿度的准确性和稳定性易受影响，提出一种利用光学游标效应增敏的光纤湿度传感器，通过在单模光纤的尾端依次熔接一小段空芯毛细管和单模光纤，获得2个级联的光学法布里-珀罗干涉仪，调整腔长使二者干涉谱的自由光谱范围接近，从而通过光学游标效应获取更高的湿度灵敏度，对湿度的感应由涂覆在光纤传感头端面的聚乙烯醇凝胶薄膜实现。实验结果表明：在相对湿度变化范围为40%～65%RH时，
亚洲飞蝗Locusta migratoria migratoria是新疆、中国与哈萨克斯坦边境区域重要害虫之一，具迁飞性且繁殖能力强，对农牧业经济造成巨大伤害。本文以亚洲飞蝗为研究对象，根据其发生区和相关生物学特性，利用CLIMEX 4.0.2和ArcGIS 10.2相结合，预测其在新疆和中哈边境区域亚洲飞蝗的潜在地理分布。亚洲飞蝗的适生区在新疆境内集中分布在北疆（42.69°～48.29°N），
针对页岩气储层数据获取困难、标签稀缺、标注成本高昂的问题，提出一种多标准主动查询的多标签学习算法（MAMO）。首先，考虑样本的信息性，代表性，对样本进行初步处理。其次，加入样本丰富性约束，包括属性差异性和标签丰富性，选择有价值的样本进行查询标签。最后，利用多标签学习算法，预测剩余样本的标签。通过11个Yahoo数据集实验，证明了MAMO算法的优越性。运用4个真实页岩气测井数据集进行实验。与多标签学
针对复杂海洋环境下水面舰艇航路规划时出现的大地图寻路速度慢、航路安全性差、航路不平滑等难题，本文结合电子海图提出了一种改进A*算法的航路规划方法。首先，提出一种自适应的改进启发函数，在搜索节点时加入目标节点的方位信息，加快了A*算法搜索路径的速度；其次，加入迫使航路远离障碍物的安全距离，解决了传统A*算法沿障碍物边缘寻路导致航路安全性差的问题；最后，对原始航路进行二次优化，在对原始路径提取转折点后
集成重采样技术可以在一定程度上解决财务预警研究中样本的不平衡性难题，不同的集成模型与不同的集成重采样技术有不同的适配性。研究发现，Up-Down集成采样与Tomek-Smote集成采样分别适配于Bagging-vote集成模型和Stacking融合模型。基于此，本文构建SBV(Stacking-Bagging-Vote)多源信息融合模型，将基于Up-Down集成采样的Bagging-vote模型与
面部表情识别是情感计算领域的热点研究问题。由于现实生活场景差异大，人类在不同场景中表现的情感也不尽相同，导致获取到的情感数据集标签分布不均衡；同时传统方法多采用模型预训练和特征工程来增强与表情相关特征的表示能力，但没有考虑不同特征表达之间的互补性，限制了模型的泛化性和鲁棒性。针对上述问题，提出了一种包含网络集成模型Ens-Net的端到端深度学习框架EE-GAN，该方法一方面考虑了多个异质网络获得的
针对突发事件中负面网络舆情恶性传播的问题，提出一种基于情感分析和影响力评估的突发事件情感图谱研究方法。利用基于多头自注意力机制和双向长短期记忆网络（Bi-LSTM）的情感分析模型计算用户的情感倾向，并提出一种融合加权度与K-shell值的节点影响力算法来评估用户的影响力，综合构建突发事件的情感图谱，有效提高了情感图谱的准确性和科学性。以“7.7安顺公交车坠湖事件”为例，将突发事件划分为爆发期、蔓延