基于生成对抗网络的零样本图像分类

在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络（GAN）的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。      

改进深度卷积生成式对抗网络的文本生成图像

针对深度卷积生成式对抗网络(DCGAN)模型高维文本输入表示的稀疏性导致以文本为条件生成的图像结构缺失和图像不真实的问题,提出了一种改进深度卷积生成式对抗网络模型CA-DCGAN。采用深度卷积网络和循环文本编码器对输入的文本进行编码,得到文本的特征向量表示。引入条件增强（CA）模型,通过文本特征向量的均值和协方差矩阵产生附加的条件变量,代替原来的高维文本特征向量。将条件变量与随机噪声结合作为生成器的输入,并在生成器的损失中额外加入KL损失正则化项,避免模型训练过拟合,使模型可以更好的收敛,在判别器中使用谱约束（SN）层,防止其梯度下降太快造成生成器与判别器不平衡训练而发生模式崩溃的问题。实验验证结果表明：所提模型在Oxford-102-flowers和CUB-200数据集上生成的图像质量较alignDRAW、GAN-CLS、GAN-INT-CLS、StackGAN(64×64)、StackGAN-v1(64×64)模型更好且接近于真实样本,初始得分值最低分别提高了10.9%和5.6%,最高分别提高了41.4%和37.5%,FID值最低分别降低了11.4%和8.4%,最高分别降低了43....     

基于生成对抗网络的航天异常事件检测方法

航天环境复杂,技术难度大,风险高,安全可靠性要求苛刻。航天异常事件样本少,且难以获取,有针对性地开展异常事件检测（AED）很有必要。为预防航天事故,尽早发现可能导致故障的异常事件,深入研究了最新人工智能和生成对抗网络（GAN）技术,提出了一种基于生成对抗网络的航天异常事件检测方法。使用正生成对抗网络模拟生成正常事件样本,训练反生成对抗网络模拟生成异常事件样本,设计合理算法训练测试,计算输入事件与正生成对抗网络生成的模拟正常事件欧氏距离,以及输入事件与反生成对抗网络生成的模拟异常事件的欧氏距离差,实现对异常事件的精确检测。通过在美国国家标准与技术研究所数据库（MNIST）数据集全部使用正常数据训练,并对异常事件检测性能进行了试验验证,试验结果表明:在MNIST数据集下,精确率和召回率综合评价指标（F1）及精确率和召回率曲线下面积（PRC）等关键技术指标比变分自动编码器（VAE）方法相应指标性能至少分别提升了31%和11%。在真实环境下采集的模拟航天音频数据试验,异常事件检测性能良好,进一步证实了所提方法真实可用。      

基于依存句法的图像描述文本生成

现有图像描述文本生成模型能够应用词性序列和句法树使生成的文本更符合语法规则,但文本多为简单句,在语言模型促进深度学习模型的可解释性方面研究甚少。将依存句法信息融合到深度学习模型以监督图像描述文本生成的同时,可使深度学习模型更具可解释性。图像结构注意力机制基于依存句法和图像视觉信息,用于计算图像区域间关系并得到图像区域关系特征;融合图像区域关系特征和图像区域特征,与文本词向量通过长短期记忆网络（LSTM）,用于生成图像描述文本。在测试阶段,通过测试图像与训练图像集的内容关键词,计算2幅图像的内容重合度,间接提取与测试图像对应的依存句法模板;模型基于依存句法模板,生成多样的图像描述文本。实验结果验证了模型在改善图像描述文本多样性和句法复杂度方面的能力,表明模型中的依存句法信息增强了深度学习模型的可解释性。      

基于GAN网络的红外图像生成技术

当将人工智能技术应用于军事领域中的目标识别任务时,针对由红外图片采集的局限性而造成的训练数据不足的问题,提出了基于生成对抗网络以生成红外图像的方法,实现了数据集的扩充。对基本的生成对抗网络进行了改进,将网络的输入由随机噪声变为真实图片,使之实现了图片到图片的风格转换,即彩色图片转变为红外图片。经过网络模型的搭建和训练,实验结果表明,该方法能够有效生成清晰和高质量的红外图片,解决了由红外数据不足而造成的网络训练不充分的问题。     

基于条件生成对抗网络的HDR图像生成方法

高动态范围（HDR）图像相比低动态范围（LDR）图像有更宽的色域和更高的亮度范围,更符合人眼视觉效果,但由于目前的图像采集设备大都是LDR设备,导致HDR图像资源匮乏,解决该问题的一种有效途径是通过逆色调映射将LDR图像映射为HDR图像。提出了一种基于条件生成对抗网络（CGAN）的逆色调映射算法,以重建HDR图像。为此,设计了基于多分支的生成对抗网络与基于鉴别块的鉴别网络,并利用CGAN的数据生成能力和特征提取能力,将单张LDR图像从BT.709色域映射到对应的BT.2020色域。实验结果表明:与现有方法相比,所提出的网络能够获得更高的客观与主观质量,特别是针对低色域中的模糊区域,所提方法能够重建出更清晰的纹理与细节。      

基于残缺图像样本的生成对抗网络图像修复方法

针对大面积图像修复缺失严重时,需要完整且高质量训练样本的问题,提出了一种将残缺或含噪图像样本作为训练集的双生成器深度卷积生成对抗网络（DGDCGAN）模型。构建两个生成器和一个鉴别器以解决单一生成器收敛慢的问题,用残缺图像样本作为训练集,通过交叉计算、搜索损失区域类似的图像信息作为训练生成模型的样本,收敛速度更快。鉴别器损失函数改进为输出的Wasserstein距离,使用自适应估计算法优化生成器损失函数和鉴别器损失函数的模型参数,最小化两两图像之间的总距离差,使用鉴别模型和修复图像总距离变化均方差最小化两个指标优化修复结果。在4个公开数据集上进行主客观实验,结果表明:所提方法能使用残缺图像样本作为训练集,有效实现大面积失真图像的修复,且收敛速度和修复效果优于现有图像修复方法。      

双重模态文本引导的图像修复算法

为解决现有图像修复算法因缺乏足够的上下文信息导致修复大面积破损时效果差且修复结果不可控的缺陷,提出了双重模态文本引导的图像修复算法。引入文本标签作为修复的控制引导,确保修复结果的整体与区域一致,并增加修复的可控多样性。设计双重模态掩码注意力机制提取破损区域的语义信息;通过深度文本图像融合模块加深生成器中的文本图像融合过程,并应用图像文本匹配损失最大化生成图像与文本之间的语义相似度;采用投射鉴别器训练生成图像与真实图像增强修复图像的真实性。在2个带有文本标签的数据集上进行定量和定性实验,结果表明：生成的修复图像与引导文本描述一致,可根据不同的文字描述生成多样的结果。     

基于动态语义记忆网络的长尾图像描述生成

图像描述生成任务旨在基于输入图像生成对应的自然语言描述。现有任务数据集中大部分图像的描述语句通常包含少量常见词和大量罕见词,呈现出长尾分布。已有研究专注于提升模型在整个数据集上的描述语句准确性,忽视了对大量罕见词的准确描述,限制了在实际场景中的应用。针对这一问题,提出了基于动态语义记忆网络(DSMN)的长尾图像描述生成模型,旨在保证模型对常见名词准确描述的同时,提升模型对罕见名词的描述效果。DSMN模型能够动态挖掘罕见词与常见词的全局语义关系,实现从常见词到罕见词的语义知识迁移,通过协同考虑全局单词语义关系信息及当前输入图像和已生成单词的局部语义信息提升罕见词的语义特征表示能力和预测性能。为了有效评价长尾图像描述生成方法,基于MS COCO Captioning数据集定义了长尾图像描述生成任务专用测试集Few-COCO。在MS COCO Captioning和Few-COCO数据集上的多个量化实验表明,DSMN模型在Few-COCO数据集上的罕见词描述准确率为0.602 8%,召回率为0.323 4%,F-1值为0.356 7%,相较于基准方法提升明显。      

深度学习机制与小波融合的超分辨率重建算法

深度学习技术在超分辨率重建领域中发展迅速。为了进一步提升重建图像的质量和视觉效果,针对基于生成对抗网络（GAN）的超分辨率重建算法重建图像的纹理放大后不自然的问题,提出了一种结合小波变换和生成对抗网络的超分辨率重建算法。所提算法在生成对抗网络中将小波分解的每个分量在各自独立的子网中进行训练,实现网络对小波系数的预测,有效地重建出具有丰富的全局信息和局部纹理细节信息的高分辨率图像。实验结果表明,对比基于生成对抗网络的算法,所提算法重建图像的客观评价指标峰值信噪比（PSNR）和结构相似性分别能提高至少0.99 dB和0.031。      

基于子目标进化的高维多目标优化算法

多目标优化问题是工程应用中的常见问题,已有的方法在解决3个目标以上的高维优化问题时效果欠佳.如何进行有效的个体选择是求解高维多目标优化问题的关键.针对该问题,提出了求解高维多目标优化问题的子目标进化算法.从理论上证明了多目标优化问题Pareto非支配解的求取,可通过子目标函数值排序,先行选择进化种群中部分非支配解;然后,根据排序信息有选择性地比较进化种群中的元素,减少了比较次数,从而快速获得非支配解集.同时,提出归一化函数差值的Minkowski距离"k近邻"距离计算方法,在进化过程中应用到密度函数中,加速了收敛速度.同当前求解高维多目标优化的算法,在对标准测试函数的计算性能上进行比较,统计结果显示了所提算法在性能上的优势.      

基于DSI插值的三角网格质量优化

通过对三角网格的单元顶点进行几何位置调整,提高了网格的质量,实现了网格的质量优化.几何位置调整是使用离散点光滑插值(DSI,Discrete Smooth Interpolation)实现的,针对在计算时影响质量优化的邻接边界的单元顶点,采用了在边界处补偿三角形的方法,消除了单元收缩,提高了网格的质量.与加权拉普拉斯算法进行了比较和分析,优于拉普拉斯算法;为了使三角网格在位置调整时保持原始网格的几何细节特征,在插值算法中施加了控制点约束.最后使用算例对算法进行了验证.      

基于带宽优化的载波跟踪算法

在现有的高动态微弱信号的载波跟踪算法中,针对锁频环(FLL)辅助锁相环(PLL)载波跟踪算法,环路调整不连续,易出现跟踪失锁的问题,给出了FLL与PLL的更优组合算法,并确定了组合环路状态转换的过程以及环路状态转换的门限值,从而优化环路性能;针对带宽调整不准确影响环路跟踪性能的问题,分析得出最优带宽值,确定了试探法带宽调整策略,对环路带宽进行实时调整,最终在信噪比为3dB,且存在加加速度分量时,环路的跟踪误差达到3Hz左右.      

基于鸽群优化算法的实时避障算法

为保证机器人能安全无碰撞地抵达目标位置,提出一种在改进版圆形扩张（CSE+）法中融合鸽群优化算法的实时避障算法。所提算法引入对障碍物密集程度的判断机制,在障碍分布密集时选择最安全的路径,在障碍物分布稀松的环境中,利用鸽群优化算法在安全范围内寻找下一目标最优位置。此外,还引入了搜索树,可实现死角的检测与避免。仿真结果显示:所提避障算法能提高路径规划的性能,在障碍物分布稀松时效果更加明显,且可实现死角检测并能通过狭长通道。      

复杂工程系统综合设计优化环境

建立了系统整合、流程统一、参数优化、协同设计的综合设计优化环境.通过 分析复杂工程系统的特点,建立了具有高可扩展性的多层体系架构.阐述了组成该环境的4 个关键模块:项目组织与管理模块,保证项目进度和质量;以设计结构矩阵为表达形式、以 工作流参考模型为运行机制的过程建模与执行模块,提供跨部门的任务流转;基于组件技术 ,实现人员、数据和工具在网络上紧密集成的设计任务单元模块,为系统设计提供简洁一致 的任务模型;以产品数据管理(PDM,Product Data Management)为信息基础结构的产品数 据模型,提供单一数据源.最后给出了技术实现和运行机制.该环境的原型系统已成功地经 过了气动、结构、控制和总体设计等领域的设计与优化技术测试试验.      

基于M-AFSA的MPRM逻辑电路面积优化

现有基于传统智能优化算法的MPRM电路面积优化算法存在效果差的问题。由于MPRM电路面积优化属于组合优化问题,先提出一种多策略协同进化人工鱼群算法（MAFSA）,该算法引入基于反向学习的种群初始化策略,以提高种群多样性及初始种群解的质量;引入觅食与追尾交互性策略,以加强人工鱼个体之间的信息交流、提高所提算法的收敛速度;引入自适应扰动策略,以增加人工鱼个体位置变异的随机性、避免所提算法陷入局部最优。此外,提出一种MPRM逻辑电路面积优化方法,利用所提算法来搜索电路面积最小的最佳极性。基于北卡罗莱纳州微电子中心（MCNC）Benchmark电路的实验结果表明：与遗传算法相比,所提算法优化电路平均面积百分比最高为57.24%,平均为39.57%;与人工鱼群算法相比,所提算法优化电路平均面积百分比最高为33.53%,平均为14.54%;与改进的人工鱼群算法相比,所提算法优化电路平均面积百分比最高为30.25%,平均为13.86%。     

基于仿真模型的短距起飞性能优化

短距起飞较垂直起飞可有效提升各类特种飞行器的有效载荷与起降安全性,因此具有重要意义.基于纵向飞行力学模型,针对某小型无人倾转旋翼飞机建立其短距起飞仿真模型,以起飞距离为目标函数,对操纵变量采用遗传算法进行优化.优化结果表明,存在一定的升降舵操纵策略使得起飞距离最小化;起飞采用固定的短舱倾转角与起飞质量存在一定的最佳匹配关系;起飞过程中对动力短舱倾转角进行合理操纵则能进一步缩短起飞距离.考虑到仿真模型与优化问题在数学上的普适性,该方法适用于包括传统固定翼飞机和直升机的其他类飞行器的短距起飞性能优化.      

基于CRITIC-TOPSIS的动态辐射源威胁评估

为解决传统辐射源威胁评估方法与空战动态态势联系不紧密的问题,提高评估准确度,提出泊松分布逆形式与逼近理想解排序（TOPSIS）方法相结合的算法,并引入指标相关性的权重确定（CRITIC）方法分配属性权重,构建基于CRITIC-TOPSIS的动态辐射源威胁评估模型。针对传统方法仅依靠当前侦收数据,未体现空战态势动态变化的不足,采用泊松分布逆形式融合多个时刻的辐射源数据信息,实现动态评估;针对传统TOPSIS方法依赖主观赋值的问题,CRITIC方法综合考虑单个指标内部和多个指标之间的关联性,能完整描述属性信息并客观分配属性权重。仿真结果表明,相较于传统静态评估模型,所提模型对于威胁度不同的辐射源区分度更大,评估准确性和可靠性更高。      

一种基于三角形重投影的虚拟视角合成

相比较传统的视角插值合成方法只能在基线上合成虚拟图像,提出的一种基于三角形重投影的虚拟视角合成方法,可以在已知少数几个匹配点的情况下,将场景内容自动迭代划分为一致和非一致三角形区域,通过不同策略的三角形重投影实现更加自由的视点的虚拟图像合成.划分过程中引入直线段约束可以解决直线纹理在三角形接缝处的畸变问题,保证最后的合成图像中场景表示在此处的连续性.利用设计的可信度函数,沿一定搜索路径可找到更多的新匹配点,从而带来更多的一致三角形区域.将此方法应用到虚拟彩色图像的合成,实验结果证明了此方法可以在更大视点范围内合成逼近于真实图的虚拟图像.