http://cjc.ict.ac.cn/online/onlinepaper/10-lyl-y-20211216161625.pdf

"> 基於深度神經網絡的圖像缺損修複方法綜述 - 專知VIP

圖像缺損修複研究旨在通過計算機自動修複圖像中的缺損內容。近年來,深度神經網絡技術的出現有效 促進了相關研究的發展。本文針對該類研究進行了係統梳理和綜合介紹。依據網絡架構類型,具體將方法分為五 類:Context-Encoder 類、U-Net 類、CGAN 類、DCGAN 類以及 StackGAN 類。我們具體分析了每類方法的思路、 特點、優勢和缺陷,並基於係統性實驗,在公開大規模數據集上客觀對比評價每一類方法的精度和性能。最後對 目前相關工作中存在的問題和挑戰進行了闡述和介紹。

http://cjc.ict.ac.cn/online/onlinepaper/10-lyl-y-20211216161625.pdf

成為VIP會員查看完整內容
1
21
0

相關內容

圖像修複(英語:Inpainting)指重建的圖像和視頻中丟失或損壞的部分的過程。例如在博物館中,這項工作常由經驗豐富的博物館管理員或者藝術品修複師來進行。數碼世界中,圖像修複又稱圖像插值或視頻插值,指利用複雜的算法來替換已丟失、損壞的圖像數據,主要替換一些小區域和瑕疵。

軟件多缺陷定位(MultipleFaultLocalization,簡稱 MFL)嚐試在含有多個缺陷的軟件程序中自動標識出這些缺陷所在 的位置。傳統的缺陷定位研究一般假設被測軟件內僅含有一個缺陷,而實際情況下軟件內往往包含多個缺陷,因此 MFL 問 題更加貼近實際場景。當程序中存在多個缺陷時,由於缺陷數量難以準確估計,同時缺陷之間可能存在互相幹擾,因此對 MFL 問題的研究更具挑戰性。已有研究表明傳統單缺陷假設下的缺陷定位技術會隨著程序中缺陷數目的增多而出現定位效 果下降的問題。因此,需要對已有缺陷定位技術加以改進使其在 MFL 問題中具有更好的缺陷定位效果。本文以 MFL 研究 問題為核心,對相關研究成果進行了係統的梳理。首先將已有的 MFL 技術細分為三類,分別是基於缺陷幹擾假設的多缺陷 定位方法,基於缺陷獨立假設的多缺陷定位方法和不基於任何假設的多缺陷定位方法;然後依次總結了每一類方法的主要設 計思想和相關研究成果,隨後分析了 MFL 研究中經常使用的評測指標和評測對象;最後,本文從擴大評測對象的編程語言 範圍、考慮更多的軟件程序、尋找更多的工業應用場景等多個角度對 MFL 的未來研究方向進行了展望。

http://cjc.ict.ac.cn/online/onlinepaper/lz-2022121125127.pdf

成為VIP會員查看完整內容
0
11
0

視頻目標檢測是為了解決每一個視頻幀中出現的目標如何進行定位和識別的問題。相比於圖像目標檢測,視頻具有高冗餘度的特性,其中包含了大量的時空局部信息。隨著深度卷積神經網絡在靜態圖像目標檢測領域的迅速普及,在性能上相較於傳統方法顯示出了非常大的優越性,並逐步在基於視頻的目標檢測任務上也發揮了應有的作用。但現有的視頻目標檢測算法仍然麵臨改進與優化主流目標檢測算法的性能、保持視頻序列的時空一致性、檢測模型輕量化等關鍵技術的挑戰。針對上述問題和挑戰,在調研大量文獻的基礎上係統地對基於深度學習的視頻目標檢測算法進行了總結。從基於光流、檢測等基礎方法對這些算法進行了分類,從骨幹網絡、算法結構、數據集等角度細致探究了這些方法。結合在ImageNet VID等數據集上的實驗結果,分析了該領域具有代表性算法的性能優勢和劣勢,以及算法之間存在的聯係。對視頻目標檢測中待解決的問題與未來研究方向進行了闡述和展望。視頻目標檢測已成為眾多的計算機視覺領域學者追逐的熱點,將來會有更加高效、精度更高的算法被相繼提出,其發展方向也會越來越好。

http://fcst.ceaj.org/CN/abstract/abstract2872.shtml

成為VIP會員查看完整內容
1
16
0

精準地預判網絡流量變化趨勢可以幫助運營商準確預估網絡的使用情況,合理分配並高效利用網絡資源,以滿足日益增長且多樣化的用戶需求。以深度學習算法在網絡流量預測領域的進展為線索,闡述了網絡流量預測的評價指標和目前公開的網絡流量數據集及應用,具體分析了網絡流量預測中常用的深度信念網絡、卷積神經網絡、循環神經網絡和長短時記憶網絡共四種深度學習方法,並重點介紹了近年來針對不同問題所提出的改進神經網絡模型,總結了各模型特點及應用場景。最後對網絡流量預測未來發展進行了展望。

http://cea.ceaj.org/CN/abstract/abstract39601.shtml

成為VIP會員查看完整內容
0
28
0

小目標檢測一直是目標檢測領域中的熱點和難點,其主要挑戰是小目標像素少,難以提取有效的特征信息.近年來,隨著深度學習理論和技術的快速發展,基於深度學習的小目標檢測取得了較大進展,研究者從網絡結構、訓練策略、數據處理等方麵入手,提出了一係列用於提高小目標檢測性能的方法.該文對基於深度學習的小目標檢測方法進行詳細綜述,按照方法原理將現有的小目標檢測方法分為基於多尺度預測、基於數據增強技術、基於提高特征分辨率、基於上下文信息,以及基於新的主幹網絡和訓練策略等5類方法,全麵分析總結基於深度學習的小目標檢測方法的研究現狀和最新進展,對比分析這些方法的特點和性能,並介紹常用的小目標檢測數據集.在總體梳理小目標檢測方法的研究進展的基礎上,對未來的研究方向進行展望.

https://journal.bjut.edu.cn/article/2021/0254-0037/20210310.html

成為VIP會員查看完整內容
4
57
0

行人檢測技術在智能交通係統,智能安防監控等領域表現出了極高的應用價值,已經成為計算機視覺領域的重要研究方向之一。得益於深度學習的飛速發展,基於深度卷積神經網絡的通用目標檢測模型被不斷擴展應用到行人檢測領域,並取得了良好的性能。但是由於行人目標內在的特殊性、複雜性,特別是考慮到複雜場景下的行人遮擋、尺度變化等問題,深度學習方法也麵臨著嚴峻的挑戰。本文針對上述問題,以基於深度學習的行人檢測技術為研究對象,在充分調研文獻的基礎上,分別從基於錨點框、基於無錨點框以及通用技術改進(例如損失函數,非極大值抑製等)三個角度,對各類行人檢測算法進行細分,並選取具有代表性的方法進行詳細介紹和對比分析。此外,本文對行人檢測的通用數據集進行了詳細的介紹,對該領域先進算法的性能進行了對比分析,對行人檢測中待解決的問題與未來的研究方向做出預測和展望。

http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?flag=2&file_no=202012230000001&journal_id=jig

成為VIP會員查看完整內容
0
36
0

摘要: 圖像修複是計算機視覺領域中極具挑戰性的研究課題。近年來,深度學習技術的發展推動了圖像修複性能的顯著提升,使得圖像修複這一傳統課題再次引起了學者們的廣泛關注。文章致力於綜述圖像修複研究的關鍵技術。由於深度學習技術在解決“大麵積缺失圖像修複”問題時具有重要作用並帶來了深遠影響,文中在簡要介紹傳統圖像修複方法的基礎上,重點介紹了基於深度學習的修複模型,主要包括模型分類、優缺點對比、適用範圍和在常用數據集上的性能對比等,最後對圖像修複潛在的研究方向和發展動態進行了分析和展望。

http://www.jsjkx.com/CN/10.11896/jsjkx.210100048

成為VIP會員查看完整內容
1
42
0

摘要 隨著深度學習算法在圖像分割領域的成功應用,在圖像實例分割方向上湧現出一大批優秀的算法架構.這些架構在分割效果、運行速度等方麵都超越了傳統方法.本文圍繞圖像實例分割技術的最新研究進展,對現階段經典網絡架構和前沿網絡架構進行梳理總結,結合常用數據集和權威評價指標對各個架構的分割效果進行比較和分析.最後,對目前圖像實例分割技術麵臨的挑戰以及可能的發展趨勢進行了展望.

http://www.ejournal.org.cn/CN/abstract/abstract12215.shtml

成為VIP會員查看完整內容
1
33
0

信息論的經典結果表明,信源信道分離編碼是漸進最優的。但現代通信係統對時延、帶寬等愈發敏 感,分離設計對解碼具有無限計算能力這一假設難以成立。帶寬有限時,相對於信源信道聯合編碼,分離編 碼已被證明是次優的。傳統的聯合信源信道編碼需要複雜的編碼方案,相較之下,數據驅動的深度學習技術 則帶來了新的設計思路。適時地對相關研究成果進行總結,有助於進一步明確深度學習方法解決信源信道聯 合編碼問題的方式,為研究新的研究方向提供依據。首先介紹了基於深度學習的信源壓縮方案和端對端收發 信機模型,隨後分析不同信源類型下的兩種聯合編碼設計思路,最後探討了基於深度學習的信源信道聯合編 碼的潛在問題和未來的工作方向。

成為VIP會員查看完整內容
0
25
0

摘要: 在自然語言處理領域,信息抽取一直以來受到人們的關注.信息抽取主要包括3項子任務:實體抽取、關係抽取和事件抽取,而關係抽取是信息抽取領域的核心任務和重要環節.實體關係抽取的主要目標是從自然語言文本中識別並判定實體對之間存在的特定關係,這為智能檢索、語義分析等提供了基礎支持,有助於提高搜索效率,促進知識庫的自動構建.綜合闡述了實體關係抽取的發展曆史,介紹了常用的中文和英文關係抽取工具和評價體係.主要從4個方麵展開介紹了實體關係抽取方法,包括:早期的傳統關係抽取方法、基於傳統機器學習、基於深度學習和基於開放領域的關係抽取方法,總結了在不同曆史階段的主流研究方法以及相應的代表性成果,並對各種實體關係抽取技術進行對比分析.最後,對實體關係抽取的未來重點研究內容和發展趨勢進行了總結和展望.

http://crad.ict.ac.cn/CN/10.7544/issn1000-1239.2020.20190358#1

成為VIP會員查看完整內容
4
121
0

摘要:近年來,基於深度學習的表麵缺陷檢測技術廣泛應用在各種工業場景中.本文對近年來基於深度學習的表麵缺陷檢測方法進行了梳理,根據數據標簽的不同將其分為全監督學習模型方法、無監督學習模型方法和其他方法三大類,並對各種典型方法進一步細分歸類和對比分析,總結了每種方法的優缺點和應用場景.本文探討了表麵缺陷檢測中三個關鍵問題,介紹了工業表麵缺陷常用數據集.最後,對表麵缺陷檢測的未來發展趨勢進行了展望.

成為VIP會員查看完整內容
3
62
0
小貼士
相關VIP內容
專知會員服務
11+閱讀 · 1月25日
專知會員服務
16+閱讀 · 2021年9月13日
專知會員服務
28+閱讀 · 2021年5月30日
專知會員服務
57+閱讀 · 2021年4月29日
專知會員服務
36+閱讀 · 2021年4月14日
專知會員服務
42+閱讀 · 2021年3月9日
專知會員服務
33+閱讀 · 2021年3月6日
專知會員服務
25+閱讀 · 2021年1月9日
專知會員服務
121+閱讀 · 2020年7月19日
專知會員服務
62+閱讀 · 2020年5月31日
相關資訊
圖像修複研究進展綜述
專知
6+閱讀 · 2021年3月9日
基於深度學習的數據融合方法研究綜述
專知
9+閱讀 · 2020年12月10日
小目標檢測技術研究綜述
專知
4+閱讀 · 2020年12月7日
多模態視覺語言表征學習研究綜述
專知
14+閱讀 · 2020年12月3日
基於深度學習的單目深度估計綜述
CVer
4+閱讀 · 2020年10月6日
實體關係抽取方法研究綜述
專知
8+閱讀 · 2020年7月19日
基於深度學習的視頻目標檢測綜述
極市平台
11+閱讀 · 2019年7月19日
【綜述】生成式對抗網絡GAN最新進展綜述
專知
50+閱讀 · 2019年6月5日
【優青論文】深度神經網絡壓縮與加速綜述
計算機研究與發展
12+閱讀 · 2018年9月20日
幹貨 | 基於深度學習的目標檢測算法綜述(二)
AI科技評論
15+閱讀 · 2018年8月20日
微信掃碼谘詢專知VIP會員
Top