江南大学人工智能与计算机学院,江苏 无锡 214122
为了能够在图像质量评价领域实现自监督学习,提出一种基于半监督学习的双分支网络训练的无参考图像质量评价算法。它是具有两个分支的训练过程,其中在一个分支使用少量手工标记数据样本来进行有监督学习,在另一个分支进行自监督学习来辅助前者训练同一个特征提取器,自监督学习部分采用几种传统的全参考方法联合为训练样本打上软标签。在6个公开的图像数据库中进行大量实验,结果表明所提算法不仅在合成失真图像数据集上优于目前大多数方法,而且在真实失真图像数据集上具有良好的泛化性能,预测结果与人类主观感知表现一致。
图像质量评价 特征提取 自监督学习 无参考 联合训练 激光与光电子学进展
2023, 60(4): 0410023
火箭军工程大学作战保障学院, 陕西 西安 710025
导弹末制导飞行过程中,基于传统方法检测红外目标时准确率和实时性不足。针对这一问题,提出一种基于改进YOLO v3的红外末制导目标检测方法。从红外末制导背景出发,优化损失权重,提高了网络定位和分类能力。充分利用Adam算法自适应和动量法稳定的特点,运用“预训练”的思想,提出一种联合训练的方法,大幅提高模型检测精度。实验表明,改进算法在设计的红外目标数据集上进行训练和测试,检测效果理想,平均准确率达到77.89%,检测速度达到25 frame/s,虚警率和漏检率都得到有效降低。
机器视觉 红外图像 末制导 目标检测 YOLO v3 联合训练 激光与光电子学进展
2019, 56(16): 161502
1 武汉大学 a.测绘学院
2 北京空间飞行器总体设计部,北京 100094
3 武汉大学 b. 遥感信息工程学院,武汉 430072
4 中国科学院遥感应用研究所,北京 100101
嫦娥探月工程二期嫦娥 3号的着陆任务需要高分辨率影像数据的支持。因此,提出了一种基于压缩感知的超分辨率图像重建方法,实现了虹湾地区月球卫星影像的超分辨率重建。通过从美国阿波罗计划获取的月球影像、嫦娥 1、2号卫星影像和嫦娥工程二期试验中获取的图像中提取了大量训练图块,完成了高、低分辨率过完备字典对 Ah和 Al的联合训练,采用正则正交基追踪算法求解优化问题,获得关于低分辨率图块的稀疏表示,并将表示系数用于 Ah以生成对应的高分辨率图块,得到满足重构约束的高分辨率图像。实验验证了算法的有效性,表明其在视觉效果及 PSNR和 RMSE指标上均优于传统方法。
压缩感知 超分辨率 过完备字典 稀疏表达 联合训练 compressed sensing super-resolution over-complete dictionary sparse representation joint training