基于CapsNet的汉字字形表征模型

提出基于胶囊神经网络(CapsNet)的汉字字形表征模型,通过表征汉字字形中的部件实现汉字字形的表征.首先,对任一汉字字形生成所有部件类别的表征向量.然后,根据部件存在概率,利用基于欧氏距离的离群点检测,选取相应的部件表征向量.最后,由选出的部件表征向量组成该汉字的字形表征.实验表明,文中模型在仅经过部件字形训练的情况下,即可有效识别汉字部件,同时自动生成汉字字形的有效表征.     

基于主色连通区域纹理谱特征的图像检索

借鉴纹理谱特征的概念,本文提出并实现一种结合图像主色连通区域信息及其纹理谱特征的图像检索方法.该方法基于图像的主色连通区域,结合图像的颜色构成和分布信息,提取图像的每个主色连通区域的纹理谱特征,并采用线性加权直方图相交法作为相似性度量函数,同时分析并给出了适用于本文方法的加权函数取值方式.本文方法将颜色信息与纹理特征有效地结合在一起,在不增加太多计算时间的条件下,提高了检索质量.     

人工智能精品课程建设中的学生能力培养

针对人工智能精品课程建设中学生能力培养问题,从科技文献阅读能力、科技文章写作能力和知行合一的综合实践能力3方面进行探讨,提出以学生为主体,以培养学生读、写、综合实践能力为导向的精品课程建设思路和施行方法。     

图像色彩传递中的两种源图选择算法

针对灰度图像上彩问题研究中源图像的选择问题，提出了基于laβ空间中l通道的分布特征和基于广义纹理块分类特征的两种源图像自动选择算法，算法效果良好，减少了图像色彩传递应用过程的人工干预程度，提高了自动化水平．     

若干色彩传递应用模式的比较研究

对色彩传递中源图为彩图、目标图分别为彩图和灰度图的两种已有的应用模式进行了分析总结，通过调整原有色彩传递算法，给出了从灰度图到彩图这一新的传递模式的算法过程。并通过具体的实例对这三种色彩传递应用模式进行了比较分析。     

引入边缘信息的纹理传输改进算法

本文针对Efros等人提出的块缝合纹理合成与传输算法,在搜索匹配块的过程中未考虑目标图块边缘信息这一不足之处,提出了一种改进算法．新算法在原有的搜索误差匹配公式中,通过计算梯度的方式增加了边缘信息处理项,同时整个传输过程还引入了亮度重映射的匹配预处理策略．实验结果表明,改进后算法的传递效果优于传统算法,尤其是目标图的边缘轮廓部分传递效果有比较明显的改善．     

多类SVM在图像艺术属性分类中的应用研究

针对当前图像分类研究中,依据图像艺术风格属性进行分类的算法尚不多见的情况,实现了一种基于艺术属性的图像自动分类系统,其中主要涉及摄影作品、国画、水彩画、素描、油画等几种典型艺术风格的图像。系统采用支持向量机（SVM）作为分类器,运用分等级的分类方法,提出了一种针对艺术属性图像分类的特定SVM二叉树多类分类算法;而后通过对各类图像艺术风格特征的分析,分别提取了有代表性的、区分度好且易于计算的特征;最后针对各级分类特性和分类器总体特性进行了实验分析,实验结果表明,系统具有良好的分类性能。     

人工智能课程设计问题的探讨

人工智能课程设计是人工智能课程中重要的综合性实践环节,对提高学生理解和掌握人工智能基本概念和算法的能力、对培养学生从智能设计的角度考虑和解决问题的素养都具有重要的作用。结合多年教学实践,从课程设计的重要性、设计的选题、指导方式以及设计报告撰写等方面进行探讨和总结。     

多分支结构强化表征能力的CapsNet方法

CapsNet是一种新的目标识别模型,通过动态路由和capsule识别已知目标的新形态.针对CapsNet的解码器输入层规模随类别数增加而增加,可延展性较弱的问题,本文提出多分支自编码器模型.该模型将各个类别的编码分别传递给解码器,使解码器规模独立于类别数,增强了模型的可延展性.针对单类别图像训练多类别图像识别任务,本文增加新的优化目标降低非标签类别的编码向量对解码器的激励,强化了模型的表征能力.MNIST数据集的实验结果表明,多分支自编码器具有良好的识别能力且重构能力明显优于CapsNet,因而具有更全面的表征能力.     

基于Seam Carving的图像放大算法研究与改进

针对Seam Carving图像放大算法中,能量值前k小的像素带可能出现共用点的情况,提出了一种改进的图像放大自适应算法,通过判断图像中出现共用点的像素带的情况及计算其共用率的值,经过一定的策略确定待新增的像素带位置,该算法使得图像中视觉关注非重要信息区域像素带的增加能得到较均匀的分布;实现了人工干预选择视觉关注重要区域的方法,避免了自适应算法本身因误判视觉关注重要区域而带来关注对象发生变形扭曲的情况.实验证明,改进的算法能得到更好的放大效果.