两阶段可调节感知蒸馏网络的虚拟试衣方法

基于图像的虚拟试衣能将目标服装图像合成到人物图像上,此任务近年来因其在电子商务和时装图像编辑上广泛应用而备受关注.针对该任务的特点和已有方法的缺陷,提出一种两阶段可调节感知蒸馏方法(TS-APD).该方法包括3个步骤:①分别对服装图像和人物图像预训练2个语义分割网络,生成更准确的服装前景分割和上衣分割;②利用这2个语义...     

基于改进型RFB-MobileNetV3的棉杂图像检测

针对深度卷积神经网络模型复杂导致嵌入式设备难以满足实时在线检测的问题,提出改进型RFB-MobileNetV3(RFB-MNV3)的棉杂检测方法。首先,根据高精度轻量化网络模型的构建和保证检测准确率高的前提下,减少MNV3冗余网络结构;其次,将3×3卷积层取代5×5卷积层,1×3+3×1卷积层折叠取代3×3卷积层作为改进型感受野(RFB)模块部署到改进型MNV3的池化层中,以提升棉杂的在线检测速度和准确率;最后,将改进前后的算法与其它检测算法进行比较。结果表明,改进型RFB-MNV3算法的单张检测速度可达到0.02 s,在线检测平均准确率达到89.05%。通过对MNV3网络结构进行改进,在保证高检测准确率的前提下,可满足嵌入式设备在线棉杂检测的需求。     

特征增强的SSD算法及其在目标检测中的应用

针对多尺度单发射击检测(SSD)算法不同尺度的特征层很难进行融合互补问题,提出一种特征增强的SSD(FE-SSD)算法.首先对SSD算法的金字塔特征层中,每一尺度的特征进行尺寸不变的卷积操作;然后将卷积前与卷积后的特征进行特征融合操作,进而产生一组新的金字塔特征层;最后在新产生的金字塔特征层上执行目标的检测与定位任务.在PASCALVOC2007公共数据库上进行实验,当输入图像尺寸为300×300时,检测精度(mAP)达到78.0%,检测速度(FPS)达到82.5帧/s.此外,在拓展实验中,文中算法对图像中模糊目标的检测效果也优于SSD算法.     

一种基于网格变形的图像放缩方法

基于内容的图像放缩的关键是如何保持图像中重要的内容,同时最小化整幅图像的视觉变形.文中将图像放缩问题转化成网格变形问题,提出一种改进的基于内容的图像放缩方法.首先在网格上建立保持整体形状的能量函数,结合约束条件,通过求解凸二次规划问题得到变形后的网格坐标,最终实现图像的放缩.实验结果表明,该方法不仅能够保持图像中重要的内容和特征结构,而且较好地保持了图像的整体性,使得图像视觉变形较小.     

基于参数分解的正则四边形插值细分曲面的快速求值

提出了两种正则四边形网格插值细分曲面的求值算法.算法基于参数m-进制分解和构造矩阵序列,通过参数分解数列对应的矩阵乘积得到基函数值,得到初始网格上对应控制点的权值,从而实现插值细分曲面求值.算法1 基于2D 细分掩模,算法2 基于张量积.数值实验表明,算法高效且低存储.