期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于非对称U型金字塔重建的轻量级人脸超分辨率网络
被引量：
2
1
作者
蒋桐雨
陈帆
和红杰
《山东大学学报（工学版）》
CAS
CSCD
北大核心
2022年第1期1-8,18,共9页
为解决深度卷积神经网络在人脸超分辨率任务中模型复杂并难以实际应用的问题,提出一种轻量级人脸超分辨率网络。利用残差编码块构成的编码结构进行特征提取,在解码结构中引入金字塔重建从而实现快速准确的超分辨率。为降低解码块中上采...
为解决深度卷积神经网络在人脸超分辨率任务中模型复杂并难以实际应用的问题,提出一种轻量级人脸超分辨率网络。利用残差编码块构成的编码结构进行特征提取,在解码结构中引入金字塔重建从而实现快速准确的超分辨率。为降低解码块中上采样操作的参数量,采用基于分辨率选择的非一致通道扩宽策略。为避免增加分支,通过热图损失引入人脸先验知识。试验结果表明,本研究提出的模型轻量有效地实现了超低分辨率人脸图像的超分辨重建,以较低的模型复杂度,重建出视觉质量优于其他先进方法的超分辨率人脸图像。
展开更多
关键词
深度学习
人脸超分辨率
非对称编解码
金字塔重建
热图损失
生成对抗网络
原文传递
基于改进热图损失函数的目标6D姿态估计算法
被引量：
7
2
作者
林林
王延杰
孙海超
《液晶与显示》
CAS
CSCD
北大核心
2022年第7期913-923,共11页
针对传统热图回归使用的均方误差(MSE)损失函数训练热图回归网络的精度不高且训练缓慢的问题,本文提出了用于热图回归的损失函数Heatmap Wing Loss(HWing Loss)。该损失函数对于不同的像素值有不同的损失函数值,前景像素的损失函数梯度...
针对传统热图回归使用的均方误差(MSE)损失函数训练热图回归网络的精度不高且训练缓慢的问题,本文提出了用于热图回归的损失函数Heatmap Wing Loss(HWing Loss)。该损失函数对于不同的像素值有不同的损失函数值,前景像素的损失函数梯度更大,可以使网络更加关注前景像素,使热图回归更加准确快速。同时根据热图分布特性,使用基于高斯分布的关键点推理方法减小热图推断关键点时的量化误差。以此两点为基础,构造新的基于关键点定位的单目标姿态估计的算法。实验结果表明,相比于使用MSE Loss的算法,使用HWing Loss的姿态估计算法有更高的ADD(-S)准确率,在LINEMOD数据集上达到了88.8%,性能优于近期其他的基于深度学习的姿态估计算法。本文算法在RTX3080 GPU上最快能以25 fps的速度运行,兼具速度与性能优势。
展开更多
关键词
深度学习
姿态估计
损失函数
热图
在线阅读
下载PDF
职称材料
题名
基于非对称U型金字塔重建的轻量级人脸超分辨率网络
被引量：
2
1
作者
蒋桐雨
陈帆
和红杰
机构
西南交通大学信号与信息处理四川省重点实验室
西南交通大学计算机与人工智能学院
出处
《山东大学学报（工学版）》
CAS
CSCD
北大核心
2022年第1期1-8,18,共9页
基金
国家自然科学基金资助项目(U1936113,61872303)。
文摘
为解决深度卷积神经网络在人脸超分辨率任务中模型复杂并难以实际应用的问题,提出一种轻量级人脸超分辨率网络。利用残差编码块构成的编码结构进行特征提取,在解码结构中引入金字塔重建从而实现快速准确的超分辨率。为降低解码块中上采样操作的参数量,采用基于分辨率选择的非一致通道扩宽策略。为避免增加分支,通过热图损失引入人脸先验知识。试验结果表明,本研究提出的模型轻量有效地实现了超低分辨率人脸图像的超分辨重建,以较低的模型复杂度,重建出视觉质量优于其他先进方法的超分辨率人脸图像。
关键词
深度学习
人脸超分辨率
非对称编解码
金字塔重建
热图损失
生成对抗网络
Keywords
deep learning
face super-resolution
asymmetric encoder-decoder
pyramid reconstruction
heatmap loss
generative adversarial networks
分类号
TP391 [自动化与计算机技术—计算机应用技术]
原文传递
题名
基于改进热图损失函数的目标6D姿态估计算法
被引量：
7
2
作者
林林
王延杰
孙海超
机构
中国科学院长春光学精密机械与物理研究所
中国科学院大学
出处
《液晶与显示》
CAS
CSCD
北大核心
2022年第7期913-923,共11页
基金
吉林省科技发展计划(No.20210201132GX)。
文摘
针对传统热图回归使用的均方误差(MSE)损失函数训练热图回归网络的精度不高且训练缓慢的问题,本文提出了用于热图回归的损失函数Heatmap Wing Loss(HWing Loss)。该损失函数对于不同的像素值有不同的损失函数值,前景像素的损失函数梯度更大,可以使网络更加关注前景像素,使热图回归更加准确快速。同时根据热图分布特性,使用基于高斯分布的关键点推理方法减小热图推断关键点时的量化误差。以此两点为基础,构造新的基于关键点定位的单目标姿态估计的算法。实验结果表明,相比于使用MSE Loss的算法,使用HWing Loss的姿态估计算法有更高的ADD(-S)准确率,在LINEMOD数据集上达到了88.8%,性能优于近期其他的基于深度学习的姿态估计算法。本文算法在RTX3080 GPU上最快能以25 fps的速度运行,兼具速度与性能优势。
关键词
深度学习
姿态估计
损失函数
热图
Keywords
deep learning
pose estimation
loss
function
heatmap
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于非对称U型金字塔重建的轻量级人脸超分辨率网络
蒋桐雨
陈帆
和红杰
《山东大学学报（工学版）》
CAS
CSCD
北大核心
2022
2
原文传递
2
基于改进热图损失函数的目标6D姿态估计算法
林林
王延杰
孙海超
《液晶与显示》
CAS
CSCD
北大核心
2022
7
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
