王晓峰
- 作品数：20 被引量：25H指数：3
- 供职机构：武汉科技大学计算机科学与技术学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学理学经济管理更多>>
- 通道加权下的双判别GAN超分辨率网络
- 2024年
- 针对现有基于生成对抗网络的单图超分辨率重构方法特征利用率不足,生成图像包含少量无意义噪声的问题,提出一种基于通道注意力机制的双判别生成对抗网络。通过对生成网络中密集残差块进行通道加权,优化网络的特征利用率。同时在对抗网络中对生成图像进行像素域和特征域的双重判别,促使生成网络产生更丰富的结构特征和高频信息。实验结果表明,与现有的SRGAN、ESRGAN两种算法相比,该算法能够重构出感官质量更高的图像。
- 张港陈东方王晓峰
- 关键词：图像超分辨率重建视觉质量
- 一种基于锚框质量分布的动态标签分配策略被引量：1
- 2023年
- 传统的标签分配策略根据锚框与ground-truth之间的交并比(IoU)是否超过阈值来划分正负样本,但确定IoU阈值需要依靠大量的经验和实验,并且在不同的网络结构中需要重新设定新的阈值;其次固定的阈值无法保证正负样本数量变化的平缓,过多或过少的正样本都将影响网络训练的稳定性。为解决这些问题,提出一种自适应标签分配策略。根据中心先验原则设计中心权重,通过联合分类得分和定位得分表示锚框质量,组成一个统一的锚框评分方案便于简化划分步骤。为了使网络能够根据训练程度自适应调整IoU阈值,保证网络训练的稳定性,利用锚框质量高斯函数模拟锚框总体质量得分的分布情况,使用极大似然估计算法获取最优参数,根据统计结果动态预测最佳IoU阈值。实验结果表明,该算法在基于锚框和基于无锚框的检测算法中均使检测性能得到有效提升,在PASCAL VOC数据集上分别提升3.1和6.6个百分点,并且可以有效降低漏检率。
- 王璐璐陈东方王晓峰
- 关键词：目标检测
- 非对称策略下基于前景信息的TIoU回归损失计算
- 2023年
- 回归损失函数是目标检测网络的重要组成部分之一。现有的回归损失中,无论是L范式损失还是基于IoU的损失都采用一种对称策略处理输入的两个边界框,这使得它们对前景信息的利用不够充分,影响了回归的质量。为此,提出了一种非对称策略,用以增强前景信息在回归损失中的作用,并在该策略的指导下设计了TIoU(Target-IoU)损失来保证网络对真值框内的特征予以有效利用,使得边界框的回归更贴近真实值。实验结果表明,TIoU损失在Faster R-CNN和RetinaNet下精度分别提升了0.2个百分点和0.5个百分点,实验数据集采用的是PASCAL VOC数据集。
- 邵容陈东方王晓峰
- 关键词：目标检测
- 基于多任务分支SSD的目标检测算法被引量：3
- 2022年
- 针对原始SSD算法各检测特征层没有关联导致特征融合较差,使得检测效果不佳,而现有改进算法DSSD以及RSSD等检测速度太慢的问题,提出一种基于多任务分支的SSD目标检测算法。对特征金字塔进行研究,构建语义与定位级联模块和融合分裂模块用于两个不同分支,在通过两个分支模块之后得到两组多尺度特征,构建多尺度通道聚合模块进行融合和加权,得到最终用于检测的特征金字塔。实验结果表明,在PASCAL VOC 2007数据集上达到79.6%的检测精度,与SSD、DSSD相比具有更好的准确率,检测速度优于DSSD,具有实时检测的能力。
- 洪哲昊陈东方王晓峰
- 关键词：目标检测实时检测
- 使用亮度恢复的GrayWorld-Retinex方法改进被引量：1
- 2014年
- 灰度世界(Gray World)和Retinex方法被广泛运用于处理偏色图像,两种方法结合可以适应更为复杂的偏色情况,但图像亮度的丰富性被削弱,造成图像的视觉效果偏灰和图像质量降低。在分析亮度丰富性被削弱的原因的基础上,提出亮度恢复方法,使输出图像在保证偏色被校正的前提下仍然保持图像的亮度丰富性,达到提升图像质量的目的。实验对比了亮度恢复前后的图像,并使用无参考图像质量评价算法对该方法的效果进行了质量评分,证实了方法的有效性。
- 杜靖陈东方王晓峰
- 关键词：RETINEX图像质量
- 基于特征融合和混合注意力的超分辨率重建
- 2023年
- 由于现有的基于卷积神经网络的超分辨率重建模型无法从多个尺度上利用特征进行加权,导致对于高频细节的恢复能力较差;同时随着网络深度的不断增加导致浅层信息在传输过程中容易弱化或丢失。为此,提出一种基于特征融合和混合注意力的超分辨方法。利用不同尺度间特征的相似性这一特点设计一种多尺度注意力机制,捕获特征图之间和特征图内部的依赖关系;与空间注意力相结合,捕获空间域内隐含的高频信息。设计一种层次特征融合结构对提取出的特征进行充分保留。实验结果表明,该算法在恢复高频细节方面表现良好。
- 左云瑞陈东方王晓峰
- 关键词：卷积神经网络图像超分辨率
- 面向超分辨率重建的层次间局部特征增强网络
- 2024年
- 基于卷积神经网络的超分辨率重建模型以单项传播为主,层次越靠后感知信息的能力越微弱,导致层次间局部特征部分丢失,难以实质提升网络的特征表达能力。针对此问题,提出层次间局部特征增强网络。该方法由级联残差模块、层次间特征增强块和特征感知注意力机制组成。级联残差模块通过有效残差连接增加对残差分支信息的利用;层次间特征增强块提取不同深度特征的依赖关系,自适应调整中间层特征权值增强捕获关键信息的能力;特征感知注意力机制采用方向感知和位置判断的方式准确定位和识别感兴趣对象。多项标准数据集的实验结果表明,该方法能改善超分辨率的视觉重建效果,整体性能优于现有方法。
- 王晓峰黄煜婷张文尉张轩陈东方
- 关键词：卷积神经网络超分辨率
- 面向目标检测的尺度增强特征金字塔网络被引量：2
- 2023年
- 基于特征金字塔网络的目标检测算法没有充分考虑不同目标间的尺度差异以及跨层特征融合过程中高频信息损失问题,使网络无法充分融合全局多尺度信息,导致检测效果不佳.针对这些问题,提出了尺度增强特征金字塔网络.该方法对特征金字塔网络的侧向连接和跨层特征融合方式进行了改进,设计具有动态感受野的多尺度卷积组作为侧向连接来充分提取每一个目标的特征信息,引入基于注意力机制的高频信息增强模块来促进高层特征与底层特征融合.基于MS COCO数据集的实验结果表明,该方法能有效提高各尺度目标的检测精度,整体性能优于现有方法.
- 张轩王晓峰张文尉黄煜婷陈东方
- 关键词：目标检测多尺度融合
- 正则化超分辨率重建过程的自适应阈值去噪被引量：1
- 2017年
- 为了提高正则化超分辨率技术在噪声环境下的重建能力,对广义总变分(GTV)正则超分辨率重建进行了扩展研究,提出了一种自适应阈值去噪的方法。首先,根据GTV正则超分辨率重建算法进行迭代重建;然后,利用推导出的自适应阈值矩阵,对每次迭代产生的代价矩阵进行阈值划分,小于阈值的对应像素点继续迭代,大于阈值的对应像素点被截断后重新插值并不再参与本轮迭代;最后,程序达到收敛条件时输出重建结果。实验结果表明,通过与单一GTV正则重建和自适应参数的方法相比,自适应阈值去噪的方法提高了收敛速度和重建图像的质量,使正则化超分辨率技术在噪声环境下有更好的重建能力。
- 彭政陈东方王晓峰
- 关键词：超分辨率重建正则化技术自适应阈值图像去噪
- 基于多尺度反向投影的图像超分辨率重建算法被引量：7
- 2020年
- 为解决当前主流图像超分辨率重建算法对低分辨率图像中细节信息利用不够充分的问题,提出一种基于多尺度反向投影的图像超分辨率重建算法。使用多个不同尺度的卷积核从浅层特征提取层中提取出不同维度的特征信息,输入到反向投影模块后,交替使用升采样和降采样来优化高分辨率和低分辨率图像的投影误差,同时运用残差学习的思想将升采样和降采样阶段提取到的特征使用级联的方式进行连接,从而提升图像的重建效果。实验结果表明,在Set5、Set14和Urban100数据集上,与Bicubic、SRCNN、ESPCN、VDSR和LapSRN 5种主流算法相比,该算法的峰值信噪比和结构相似性均有所提高。
- 熊亚辉陈东方王晓峰
- 关键词：多尺度
