分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-12-13 合作期刊: 《计算机应用研究》
摘要: 为了更好地利用低分辨率人脸图像,提出了一种基于L1/2正则化和局部纹理约束的人脸超分辨率重建。在人脸重建的过程中,使用非负矩阵分解将人脸图像放大到合适的中等分辨率,使用局部纹理约束加强纹理特征提取;然后使用局部稀疏先验进行人脸图像重建,再次加入重建约束和局部纹理约束。为了使获取的人脸图像稀疏系数更加稀疏,使用L1/2正则化求解稀疏表示系数。实验结果表明,重建的人脸图像保持了原图像的结构,可以实现很好的重建结果,并且具有更好的鲁棒性。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-10-11 合作期刊: 《计算机应用研究》
摘要: 在仅有少量标签数据的图像网状结构检测任务中,需要大量训练数据的目标检测模型检测性能大幅下降。基于区域候选的目标检测模型在预测时,检测目标越多,检测时间越长。若基于区域候选的目标检测模型产生候选框的数量固定不变,而不同图像中网状结构目标数量不同,造成目标检测中额外的时间消耗。针对该问题,通过对训练样本中网状结构目标在图片中的密度分析以及根据网状结构体在图片中的特征分布,提出一种面向少样本网状结构体的候选区域自适应检测方法。该方法通过基于二值标签图标注方法得到大量训练样本,由候选区域自适应方法选取合理候选框数量。与未改进的模型相比,在几乎不损失准确率的情况下,加快了检测速度,尤其在目标数量稀少的数据中优势更为明显。