排序方式: 共有20条查询结果,搜索用时 234 毫秒
1.
爨体字作为典型的衬线字体,不同于黑体、微软雅黑、等线这些非衬线字体,其字形结构十分多样.为了防止爨体字在生成过程中笔画弯折处出现伪影和模糊的现象,提出一种基于稠密自适应生成对抗网络的爨体字风格迁移模型.首先,生成器通过稠密自适应卷积块更加充分地提取风格特征和内容特征;然后,像素判别器对真实图片和生成图片进行分辨;再采用对抗损失、迁移损失、梯度损失和边缘损失对生成网络进行参数调节;最后,将自行采集的爨体字数据集作为训练集送入模型进行训练.实验结果证明,所提模型能够有效地学习到风格特征,达到更好的生成效果;其生成结果在字形大小保持上优于Zi-to-zi模型,在笔画细节特征的保留上优于StarGANv2以及CycleGAN模型,并在SSIM和L1 loss指标上得到了验证. 相似文献
2.
3.
该文根据云南境内少数民族同胞说普通话时明显带有民族口音的语言使用现状,介绍了一个以研究非母语说话人汉语连续语音识别为目的的云南少数民族口音汉语普通话语音数据库,并在其基础上开展了发音变异规律、说话人自适应和非母语说话人口音识别研究,是汉语语音识别中用户多样性研究的重要补充。 相似文献
4.
针对云南境内白族、纳西族、傈僳族3个典型的少数民族及汉族普通话语音,采用了高斯混合模型来训练每个民族的口音模型,并用少量的测试语音来获得较为满意的口音分类识别率,目的在于探索降低非母语口音话者语音识别错误率的有效途径.该文通过实验给出,对云南民族口音汉语普通话口音识别,当混合数为16,语音特征采用39维MFCC及其一阶、二阶差分参数时,口音识别正确率可达90.83%. 相似文献
5.
肖像风格迁移旨在将参考艺术肖像画中迁移到人物照片上,同时保留人物面部的基本语义结构。然而,由于人类视觉对肖像面部语义结构的敏感性,使得肖像风格迁移任务比一般图像的风格迁移更具挑战性,现有的风格迁移方法未考虑漫画风格的抽象性以及肖像面部语义结构的保持,所以应用到肖像漫画化任务时会出现严重的结构坍塌及特征信息混乱等问题。为此,提出了一个双流循环映射网DSCM。首先,引入了一个结构一致性损失来保持肖像整体语义结构的完整性;其次,设计了一个结合U2-Net的特征编码器在不同尺度下帮助网络捕获输入图像更多有用的特征信息;最后,引入了风格鉴别器来对编码后的风格特征进行鉴别从而辅助网络学习到更接近目标图像的抽象漫画风格特征。实验与五种先进方法进行了定性及定量的比较,该方法均优于其他方法,其不仅能够完整地保持肖像的整体结构和面部的基本语义结构,而且能够充分学习到风格类型。 相似文献
6.
研究了超声回波信号中二次谐波包络信号的Nakagami分布参数与非线性系数之间的对应关系,以获得更准确的组织非线性定量特征.将超声回波射频信号的基/谐波成分进行分离,获取基波和二次谐波成分的包络信号,分别计算并比较信号的Nakagami分布参数.仿真结果表明,对于不同的非线性系数,二次谐波包络信号的分布参数相互分离,特别是非线性系数β在3~6的范围内具有显著的差异,而对应的基波的差异性不显著.离体组织实验中,与脂肪相比,肝和脑的基波的平均功率ω和形状因子μ的相对差异分别为7.3%和0.03%及2.0%和4.3%;谐波的ω和μ的相对差异分别为8.3%和19.4%及7.0%和34.0%.结果进一步验证了仿真结果的有效性和正确性.综上所述,不同非线性组织超声回波信号中,二次谐波包络信号的Nakagami分布参数具有显著差异,可据此定量分析生物组织的非线性特征. 相似文献
7.
多模态情感分析的目标是使用由多种模态提供的互补信息来实现可靠和稳健的情感分析。近年来,通过神经网络提取深层语义特征,在多模态情感分析任务中取得了显著的效果。而多模态信息的不同层次的特征融合也是决定情感分析效果的重要环节。因此,提出了一种基于自适应门控信息融合的多模态情感分析模型(AGIF)。首先,通过门控信息融合网络将Swin Transformer和ResNet提取的不同层次的视觉和色彩特征根据对情感分析的贡献进行有机融合。其次,由于情感的抽象性和复杂性,图像的情感往往由多个细微的局部区域体现,而迭代注意可以根据过去的信息精准定位这些情感判别区域。针对Word2Vec和GloVe无法解决一词多义的问题,采用了最新的ERNIE预训练模型。最后,利用自动融合网络“动态”融合各模态特征,解决了(拼接或TFN)确定性操作构建多模态联合表示所带来的信息冗余问题。在3个公开的真实数据集上进行了大量实验,证明了该模型的有效性。 相似文献
8.
9.
10.
尽管基于深度学习的图像着色方法已取得显著效果,但仍存在冗余色斑、着色暗淡和颜色偏差三个问题。为此,提出了一种结合细粒度自注意力(fine-grain self-attention,FGSA)的实例图像着色方法。具体地,首先将提取的特征图分为颜色和空间位置,并结合两者拟合提高颜色和图像空间位置的对应关系,以缓解冗余色斑。其次,受光学摄影HDR原理的启发,利用感受野小的卷积核增强或抑制图像的颜色特征,并结合softmax对特征进行动态映射,从而提高对比度,缓解着色暗淡的问题;最后,组合不同的非线性基函数,增加网络对非线性颜色的表达,拟合出最接近真实图像的颜色分布,以解决颜色偏差。大量的实验结果表明,该方法在实例图像着色中取得了良好的效果。特别地,与当前最优的着色方法相比,该方法在特征感知评价指标LPIPS和FID上分别降低了4.1%和7.9%。 相似文献