修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

46 条数据
?? 中文（中国） ▾

  • [IEEE ICASSP 2018 - 2018年IEEE国际声学、语音与信号处理会议（ICASSP） - 加拿大卡尔加里（2018.4.15-2018.4.20）] 2018年IEEE国际声学、语音与信号处理会议（ICASSP） - 基于深度神经网络的量子图像传感器图像重建

    摘要： 量子图像传感器（QIS）是一种单光子图像传感器，通过对光场进行过采样来生成二进制测量值。其单光子灵敏度使其成为继CMOS之后下一代图像传感器的理想候选者。然而，该传感器的图像重建仍是一个具有挑战性的问题。现有的图像重建算法大多基于优化方法。本文首次提出了针对QIS图像重建的深度神经网络方法。我们的深度神经网络以QIS的二进制比特流作为输入，同时学习非线性变换和去噪。实验结果表明，与现有方法相比，所提出的网络产生了显著更优的重建效果。

    关键词： 单光子成像、量子图像传感器、深度神经网络、图像重建

    更新于2025-09-04 15:30:14

  • [计算机科学讲义] 模式识别与计算机视觉 第11257卷（首届中国会议，PRCV 2018，中国广州，2018年11月23-26日，会议录，第二部分）|| 用于图像检索的深度监督自编码器哈希

    摘要： 图像哈希方法将高维图像映射为能保留图像间相似性的紧凑二进制编码。虽然图像标签是监督式图像哈希方法生成哈希码的重要信息，但检索性能会受分类器表现的制约。因此，本文提出一种有效的监督式自编码哈希方法（SAEH），通过深度卷积神经网络以逐点方式生成低维二进制编码。SAEH中的自编码结构被设计为同步学习图像特征并生成哈希码，同时目标函数中增加了若干生成二进制哈希码的松弛约束条件。在多个大规模图像数据集上的大量实验验证了：自编码结构确实能提升监督哈希的性能，且SAEH在同类主流监督哈希方法中取得了最优的图像检索效果。

    关键词： 图像哈希、图像检索、监督学习、深度神经网络、卷积自编码器

    更新于2025-09-04 15:30:14

  • [美国计算机协会第24届研讨会 - 日本东京 (2018.11.28-2018.12.01)] 第24届ACM虚拟现实软件与技术研讨会论文集 - VRST '18 - 基于RGB摄像机的实时人体运动预测

    摘要： 我们提出了一种实时人体运动预测系统，该系统利用RGB摄像头在虚拟现实中可视化未来姿态。本系统由三部分组成：采用残差神经网络从RGB帧中进行二维姿态估计，使用循环神经网络进行二维姿态预测，以及通过残差线性网络从预测的二维姿态恢复三维信息。为增强时序特征的学习量，我们提出采用格点光流法来估算关节运动的特殊方法。在完成骨骼拟合后，系统能以30帧/秒的速度提前0.5秒构建目标人体的三维预测模型。

    关键词： 深度神经网络，实时姿态预测，运动预测

    更新于2025-09-04 15:30:14

  • 基于大规模多光谱图像的水域区域估计感知器学习研究

    摘要： 土地覆盖分类与时间变化调查被视为遥感的常见应用。水/非水域估算作为最基础的遥感分类任务之一，用于分析地球表面水域分布情况。然而常规的遥感方法（如阈值法、光谱分析与统计手段）尚不足以建立全球适用的水域分类体系。本研究旨在利用Landsat-8影像，通过感知器神经网络开发具有自动调参功能的水/非水域估算公式——感知器衍生水域公式(PDWF)。通过多案例研究，将PDWF的水域估算结果与三种方法（改进归一化差异水域指数MNDWI、自动水域提取指数AWEI及深度卷积神经网络）进行对比。结果表明：本方法在所有对比方案中表现最优，显著提升了水域/非水域估算精度；即使在山体阴影、建筑阴影及暗色土壤导致的低反射率等复杂条件下，PDWF仍保持稳定优势。此外，本研究还实施了太阳耀斑校正，以优化受耀斑影响像素区域的水域识别效果。

    关键词： 地表水体，Landsat-8卫星，MNDWI指数，深度神经网络，感知器神经网络，AWEI指数，PDWF方法

    更新于2025-09-04 15:30:14

  • 基于深度图像先验的PET图像重建

    摘要： 近年来，深度神经网络在计算机视觉任务中得到广泛应用并取得成功，也日益受到医学影像领域的关注。深度神经网络应用于医学影像的主要障碍在于需要大量先验训练配对数据，这在临床实践中往往难以实现。对于需要原始数据的医学图像重建问题尤为如此。受深度图像先验框架启发，本研究提出一种个性化网络训练方法——无需任何先验训练配对数据，仅需患者自身先验信息。该网络在迭代重建过程中利用患者特异性先验信息和测量数据进行更新。我们将最大似然估计构建为约束优化问题，并采用交替方向乘子法（ADMM）求解。以磁共振成像（MRI）引导的正电子发射断层扫描（PET）重建为例验证了所提框架的有效性?；诜抡婧驼媸凳莸牧炕峁砻?，该重建框架的性能优于高斯后平滑处理、以及采用核方法或神经网络惩罚项的解剖学引导重建方法。

    关键词： 正电子发射断层扫描、无监督学习、医学图像重建、深度神经网络

    更新于2025-09-04 15:30:14

  • 基于深度学习的低光子计数相位恢复

    摘要： 成像系统在低光强下的性能会受到散粒噪声的影响，这种噪声会随着光源功率的降低而不断增强。在本信函中，我们通过实验展示了利用深度神经网络恢复弱光照射物体的方法，并证明其在等效信噪比条件下优于传统的Gerchberg-Saxton相位恢复算法。深度神经网络能够利用训练图像集中包含的先验信息来检测信噪比接近1的特征。我们将这一原理应用于相位恢复问题，结果表明：当照明光束中每个探测器像素平均仅接收一个光子时，仍能成功恢复物体最显著的特征。我们还发现，与使用原始强度测量值进行训练相比，通过使用物体的初始估计值来训练神经网络可以显著提升相位重建效果。

    关键词： 低光环境、相位恢复、散粒噪声、格奇伯格-萨克斯顿算法、深度神经网络

    更新于2025-09-04 15:30:14