基于生成对抗网络的生物组织图像的自动分类方法和系统.pdf
一吃****福乾
亲,该文档总共21页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于生成对抗网络的生物组织图像的自动分类方法和系统.pdf
本发明公开一种基于生成对抗网络的生物组织图像的自动分类方法和系统,其中,生物组织图像的自动分类方法包括:获取生物组织图像;根据图像分类所需的生物组织特征对生物组织图像进行图像预处理,得到目标图像数据集;使用目标图像数据集训练生成对抗网络,生成图像数据合集;使用目标图像数据集和图像数据合集,训练卷积神经网络模型;当卷积神经网络模型训练完成时,使用卷积神经网络模型对生物组织图像进行图像分类。本发明的技术方案能解决现有技术中合成的生物组织图像在解释合成原理方面存在局限,导致生成的生物组织图像模糊,进而导致神经网
基于生成对抗性自动增强网络的图像检索方法及装置.pdf
本发明公开了基于生成对抗性自动增强网络的图像检索方法,包括对预处理后的街景图像进行划分为训练集街景图像、测试集街景图像和验证集街景图像,将训练集中的街景图像作为输入特征输入生成对抗性自动增强网络,由增强策略网络生成不同的策略,并把这些策略作用于相同的数据上,对数据集中一批大小的图像数据进行策略中的增强处理,得到增强后的数据,然后由目标检索网络,通过学习更多的特征来最小化损失,并更新权重,同时将这些损失收集起来作为反馈更新增强策略网络来最大化损失,得到新的增强策略,并迭代进行,由测试集街景图像和验证集街景图
基于条件生成对抗网络的水下图像增强方法及系统.pdf
本发明提出了一种基于条件生成对抗网络的水下图像增强方法及系统,通过提取并融合多尺度局部特征以及全局特征来校正退化水下图像的色彩,通过构建用于水下图像增强的注意力模块AMU来提升特征提取效果,在训练中引入感知损失与总变差损失来提升生成图像的质量,抑制噪声出现。本发明的方法可为智能化水产养殖的行为监测、病害识别等高层次视觉任务提供清晰的水下环境信息,推动智能集约化水产养殖健康可持续发展。
基于生成对抗网络的小样本声呐图像分类识别优化方法.pdf
本发明涉及一种基于生成对抗网络的小样本声呐图像分类识别优化方法,利用真实声呐图像样本通过生成对抗网络进行数据合成,合成数据作为真实训练样本的扩充数据用于深层卷积神经网络训练,完成对水下目标声呐图像更加准确的分类与识别。使用合成图像数据对原有小样本情况下的数据集互补增强后进行网络训练,能够避免深层卷积神经网络过拟合问题,获得86.85%的识别准确率,识别精度有明显提升,有效解决了水下目标识别研究中声呐图像样本不足的问题,具有广泛的应用前景,可进一步应用于实测水下目标声呐图像的分类识别。
一种基于生成对抗网络的遥感图像融合方法、系统和终端.pdf
本发明公开了一种基于生成对抗网络的遥感图像融合方法,包括:采用差分算子提取原始全色图像的空间结构信息,采样原始的多光谱图像;将空间结构信息与采样的多光谱图像在特征域拼接,得样本图像;将样本图像输入生成对抗网络的生成器,生成融合图像;将融合图像和真实图像输入生成对抗网络的判别器进行判别区分,在生成器与判别器间建立对抗规则及融合目标函数,优化融合图像。采用本发明所公开的基于生成对抗网络的遥感图像融合方法,采用差分算子保留了原始全色图像的空间结构信息,采样方法保留了原始低分辨率多光谱图像的光谱信息,有效减少了融