基于循环一致性对抗网络的室内火焰图像场景迁移

基于深度学习的视频火灾探测模型的训练依赖于大量的正负样本数据,即火灾视频和带有干扰的场景视频。由于很多室内场合禁止点火,导致该场景下的火灾视频样本不足。本文基于生成对抗网络,将其他相似场景下录制的火焰迁移到指定场景,以此增广限制性场合下的火灾视频数据。文中提出将火焰内核预先植入场景使之具备完整的内容信息,再通过添加烟雾和地面反射等风格信息,完成场景与火焰的融合。该方法克服了现有多模态图像转换方法在图像转换过程中因丢失信息而造成的背景失真问题。同时为减少数据采集工作量,采用循环一致性生成对抗网络以解除训练图像必须严格匹配的限制。实验表明,与现有多模态图像转换相比,本文方法可以保证场景中火焰形态的多样性,迁移后的场景具有较高的视觉真实性,所得结果的FID与LPIPS值最小,分别为119.6和0.134 2。     

基于水声传感网络的树形拓扑混合MAC协议

鉴于水下传感网络的长时延、低带宽的特点,设计有效的水下无线网络的通信传输协议很有必要。提出一种树形拓扑结构的结合基于竞争和基于分配两种模式的混合策略,减少了水声通信中的握手次数,即减少了RTS/CTS请求的发送次数,利用组播、LRU预留时间策略提高了传输效率,整合了网络通信中ACK包和数据包的发送,既能使所有节点间实现自由通信,又能提高网络吞吐量、节约能耗。     

基于SGAN的中文问答生成研究

生成对抗网络GAN(Generative adversarial networks)仅适用于解决连续型数据,同时中文对话模型训练缺乏高质量的样本数据集。研究开放域中文闲聊的问答生成,对话文本是离散型数据,GAN的使用受到限制。设计新的序列对抗生成网络SGAN(Sequence GAN)来解决此问题。SGAN使用基于强化学习的生成器扩展GAN,可以解决序列生成问题。同时使用Actor-Critic策略梯度训练模型,评价指标采用精准度和召回率。实验结果表明,该对话序列对抗模型能够生成足够的对话样本混淆人为提供的样本。     

变速M元扩频水声通信系统研究

针对不同的水声信道和不同的接收信噪比有着不同的最优传输速率的思想,文章根据水声信道的特殊性,提出了一种基于M元扩频的新型水声通信系统,采用不同的码本以实现不同的通信速率。文章阐述了几种码本的产生方法和性质,通过仿真,获取了在几种通信速率在加性高斯白噪声(Additive White Gaussian Noise,AWGN)和衰落信道下的误码率曲线,并得到了在10-4误码率要求下所需的信噪比,为水声通信系统的灵活性和适用性提供了一种新的解决方案。     

基于条件生成对抗网络的空气预热器内红外补光监测视频图像清晰化方法

火电厂空气预热器（空预器）内部的灰尘、烟雾、光照变化等因素导致监控视频画面不清晰，影响监控效果。鉴于此，本文提出一种基于条件生成对抗网络（cGAN）的恶劣工业环境下红外补光监控视频图像清晰化方法。针对获取的红外补光图像样本数据进行预处理，包括高斯滤波去噪以及图像拼接操作，得到低清晰度图像和高清晰度图像的合成图像，低清晰图像作为待重建图像，高清晰图像作为重建图像的理想参考图像，采用建立的cGAN模型对低清晰图像进行重建，调节优化参数生成高清晰图像。试验采用空预器现场监控视频作为训练集对网络模型进行离线训练，实现了空预器红外补光监控图像清晰化处理。本文方法cGAN模型小、训练过程简单、计算效率高、图像清晰化处理效果好，适于相似复杂工业环境下对监控视频图像的恢复和清晰化处理。     

《电子信息对抗技术》投稿须知

.请通过Email投稿,投稿邮箱:dzxxdkjs@126.com或ew@mei29.scgb.com;电话:(028)87551384;地址:四川省成都市429信箱011分箱(邮编610036)。.稿件须经作者单位保密审查,并提供加盖公章的保密审查证明。