一、可变形管流动相似性(论文文献综述)
魏桢[1](2021)在《可变形履带机器人数字孪生测试平台研究》文中提出
田典[2](2021)在《基于双线阵图像传感器的无透镜超分辨率成像系统研究》文中研究指明对生物细胞图像进行采集,是病理分析、疾病诊断、健康监测及药品研制中必不可少的重要手段。在社区医疗、远程医疗等即时诊断中,基于无透镜成像技术的细胞图像采集设备以其小型化、低成本等优点更有利于推广和普及。但与显微镜相比,其空间分辨率仍然较低,因此研究无透镜成像技术的超分辨率成像系统具有重要意义。本文在分析无透镜成像系统研究现状的基础上,针对单线阵超分辨率扫描成像存在的问题,提出了一种基于双线阵图像传感器的细胞流速实时可测的超分辨率扫描成像方法。为了从理论上研究双线阵图像传感器超分辨率扫描成像系统的性能,首先综合考虑光源、衍射光路、图像传感器像素尺寸、帧频、细胞样品流速等系统特性,建立了双线阵超分辨率成像系统的扫描成像模型,深入分析了影响双线阵成像质量的因素。其次建立了双线阵扫描成像系统的图像重构模型,并结合扫描成像模型,分析了论文成像方法中影响重构质量的因素及图像特性,并对模型进行了优化。进而结合双线阵超分辨率成像特点,对基于角谱理论的衍射恢复算法进行了改进。基于以上模型,本文搭建了双线阵超分辨率细胞扫描图像采集系统,设计了二维聚焦的微流控芯片,完成了微球、红细胞和白细胞的采集实验,并利用扫描图像重构模型对采集的图像数据进行了超分辨率重构。针对样品流动时流体扰动带来的细胞速度不均匀现象,通过计算细胞流过线阵的多组瞬时速度,改进了扫描图像重构算法,提高了成像效果。最后基于嵌入式系统设计并实现了双线阵超分辨率成像系统,其中小型化采集装置的尺寸为49.40 × 49.40 × 78.55mm3。圆形和条形图案的仿真结果表明,双线阵超分辨率成像系统的空间分辨率相比面阵系统至少提升了2.8倍,并且结构相似性和峰值信噪比均有5%-15%的提升。20μm微球、红细胞以及白细胞的测试结果表明,双线阵超分辨率成像系统相比面阵成像系统的微球直径误差仅为2.04%,并且细胞的特征更多、更明显。因此,本文基于双线阵图像传感器的无透镜超分辨率成像系统具有可行性、有效性和准确性。
万兆亮[3](2021)在《面向水下器人目标抓取的视觉检测与跟踪研究》文中进行了进一步梳理
李嘉[4](2021)在《基于深度学习的图像复原算法研究》文中指出
王龙[5](2021)在《基于时序信息融合的视频目标分割算法研究》文中研究指明视频目标分割旨在自动分离视频中的前景和背景区域,是一种能够对视频进行精确像素级分类的技术。根据测试阶段是否利用初始帧掩膜标注,该技术可分为无监督和半监督两大类别。视频目标分割在视频编码、智能监控和人机交互等领域有重要意义。近年来,随着深度学习的发展,视频目标分割也取得了重大的进展。但是,高精度的算法仍然非常匮乏,其原因在于所学模型难以有效应对复杂视频场景的变化,如严重遮挡、剧烈形变、快速运动、相似目标干扰等。而合理、充分利用视频中隐含的丰富时序信息,有助于解决这些问题。本文从无监督视频目标分割研究到半监督视频目标分割,对基于时序信息融合的视频目标分割算法进行了深入的研究,成果如下:(1)提出了基于特征对齐和上下文感知的无监督视频目标分割算法。针对视频帧间物体运动变化复杂和局部语义表征不足的问题,通过两个专门模块将多帧特征先对齐再提取上下文语义,以充分利用相邻帧间时序运动信息并建立语义相关性。首先,对齐模块将左、右两帧特征分别以中间帧为基准进行对齐,以减弱相邻帧间变化,并捕获短时时序信息。然后,上下文模块通过邻域匹配技术建模时空域上的特征相似性,能够增强时空上下文的语义表征并且减少背景杂波的干扰。最后,在三个常用的标准数据集DAVIS 2016、FBMS和You Tube-Objects上进行了大量评测,充分验证了本方法的优越性能。(2)提出了基于双重时序记忆的半监督视频目标分割算法。为进一步提高分割结果和方便地处理多目标视频,引入初始帧掩膜标注,通过半监督路线进一步研究视频目标分割。设计了两个专门模块将时序信息解耦为短时时序信息和长时时序信息两种,分别提取、保存和记忆这两种视频序列特征,以进一步解决视频目标分割中的时序建模问题。首先,短时记忆模块通过图卷积技术建模一定时间窗口内的帧间特征相似性,以保持短时目标特征的视觉一致性。然后,长时记忆模块通过一个简化的卷积门控循环单元建模目标外观在视频中的长期演化过程,以捕捉全局、稳定的特征,来克服遮挡和突变可能造成的分割错误。另外,所有提取的特征都被送入一个反馈多核融合模块,通过特征反馈机制允许网络前层融合后层有用信息,进一步增强模型的判别能力。最后,在三个常用的标准数据集DAVIS 2016、DAVIS 2017和You Tube-VOS上进行了大量评测,充分验证了本方法的优越性能。
卢艺[6](2021)在《脑部医学图像配准与融合算法研究》文中指出近年来现代医学成像设备随着科技的进步得到了迅猛的发展。不同的医学成像设备能够产生不同模态的医学图像,而不同模态的医学图像能够反映出人体不同组织结构的具体信息,通过对不同的多模态图像进行信息集成,医生可以在同一张图像上观察到更多的有用信息,从而能够更好地进行疾病的检测和诊断,因此,医学图像配准与融合技术应运而生。本文对医学图像配准和融合技术进行算法研究,主要研究内容如下:(1)针对现有医学图像配准算法存在配准精度不高、图像匹配度低以及图像配准后存在偏移等问题,本文提出了一种基于共同感兴趣子区域(Region of Interest,简称ROI)的医学图像自动配准算法。在该算法中,对两幅图像(目标图像和浮动图像)中感兴趣的公共子区域(一般是脑部病变或者肿瘤)进行自动检测和配准,然后从子区域配准中获得转换参数,最后将转换参数应用于图像的整体配准中,实现源图像的最终配准。实验结果分析表明,本文提出的图像配准算法具有较好的性能,配准后的图像精度高、偏移量小,更好地匹配了目标图像和浮动图像并且配准的时间明显优于其他图像配准算法。(2)针对现有医学图像融合算法融合过程中出现细节特征丢失从而导致融合效果差的问题,本文提出了一种基于参数自适应脉冲耦合神经网络(Parameter-Adaptive Pulse-Coupled Neural Network,简称PAPCNN)和卷积稀疏表示(CSR,简称Convolutional Sparse Representation)的多模态医学图像融合方法。首先待融合的医学源图像通过非下采样剪切波变换(Non-subsampled Shearlet Transform,简称NSST)分解成高低频分量,随后使用改进的PAPCNN对源图像分解出来的高频分量进行融合;然后再使用CSR对源图像的低频分量进行融合;最后使用NSST反变换将融合后的高低频分量重建为融合图像。多组实验结果表明,本文提出的医学图像融合算法相比于其他的对比算法能够更好的融合源图像中的细节特征和边缘纹理信息,并且在客观评价指标方面也有较为优越的表现。
黄志[7](2021)在《人工智能对经济增长的影响研究》文中进行了进一步梳理纵观人类社会的演进历程,技术创新一直是推动地区乃至国家经济发展的内生动力,是各国抢占国际竞争高地的重要手段。近年来,随着互联网技术迅猛发展、计算机运算能力和运算速度大幅提升以及算法有效性取得极大突破,人工智能在世界范围内取得了突破性进展,并迅速将人类社会送入了智能时代,加速改变着人类社会生产生活的各个方面。基于此,世界各国纷纷围绕人工智能展开了新一轮角逐,美、日、德、法等国先后颁布了一系列扶持人工智能产业发展的政策措施,以期借人工智能之势在新的历史时期抢占国际竞争中的优势地位。就中国而言,人工智能作为一项引领新一轮科技革命和产业变革的战略性技术,正在受到党中央的高度关注。习近平总书记在2018年10月31日政治局第九次集体学习时强调,要推动我国新一代人工智能健康发展。在2018年12月21日中央经济工作会议上再次强调要加强人工智能等新型基础设施建设。在2019-2020年,进一步强调要积极推动人工智能与媒体、教育、社会治理以及疫情防控等领域深度融合。届此,中国的人工智能及其与经济社会深度融合踏上了新征程。人工智能作为一种技术进步,在与经济社会的深度融合过程中具体表现为各种有形(机器人)和无形(算法、系统等)的技术创新。那么,人工智能技术创新如何影响经济增长?通过什么渠道影响经济增长?“索洛悖论”是否存在?从长期而言,是否会使经济呈现指数级增长趋势?从国际层面而言,人工智能在全球范围内的加速渗透是否会进一步扩大未来南北差距?围绕人工智能的这一系列问题具有相当重要性,但目前尚未有系统性研究,甚至在一些方面仍存在研究空白。为此,论文以经济学为主,结合计算机科学、哲学、数学等多学科理论知识,综合运用历史分析与比较分析相结合、归纳与演绎相结合、理论研究与实证分析相结合、静态分析与动态分析相结合等研究方法,按照“总-分-总”的结构谋篇布局,以研究人工智能对经济增长影响效应。论文主要内容如下:总论部分在系统梳理相关文献、详细阐述理论基础以及清晰刻画人工智能影响经济增长的典型事实基础上,探析了人工智能在向经济社会渗透过程中表现出的四大经济效应:智能渗透效应、边界延展效应、知识创造效应和自我深化效应,并对影响经济增长的三大主要因素(劳动、资本和生产技术)进行分析。在此基础上,通过分析人工智能四大经济效应作用于劳动、资本和生产技术对经济增长的影响效应,提出由劳动渠道、资本渠道和生产率渠道三条渠道构成的人工智能影响经济增长的总体分析框架。分论部分将理论分析和实证检验相结合逐一探讨了人工智能影响经济增长的劳动渠道、资本渠道和生产率渠道。此外,由于数据不可得,无法通过实证分析的方式来识别人工智能对长期经济增长的影响,因此,本文基于理论层面,进一步探讨了人工智能对长期经济增长以及未来南北差距产生影响的作用机理。研究发现:第一,人工智能技术创新能够显着促进经济增长,长期经济增长甚至存在指数级增长的可能。人工智能作为新一轮技术进步最显着的技术创新,与传统技术创新相似,能够为区域乃至国家经济增长提供动力源泉,显着推动宏观经济增长。但与传统技术创新不同的是,人工智能能够通过实现自动化知识生产,为经济提供更强的增长效应,长期而言,如果智能自动化技术进步与新任务边界延展规模一致,经济将实现指数级增长。但不容忽视,人工智能与经济社会渗透融合并非一蹴而就,而是会经历导入阶段、拓展阶段和成熟阶段等阶段的积累和调整过程。因此,人工智能并非一开始就能对经济增长产生促进作用,在人工智能的导入阶段,将对经济增长产生负向效应。人工智能具有“当代与未来贯通的长期性”,经过导入阶段的积累和调整过程,对经济增长的促进作用才得以显现,长期而言,经济存在指数级增长的可能,但同时伴随着南北差距的扩大。自主创新成为缩小未来南北差距的关键,而提升欠发达国家的技术引进效率仅能够缓解南北差距扩大的趋势。第二,人工智能的发展伴随而来的是劳动力从机械化、知识创造性低的工作和既定程序的开放型脑力劳动中解放出来,而新工作岗位对劳动力的素质和技能要求不断提升,带来高技能劳动力需求扩大和实际工资水平提高,进而对经济高质量增长产生推动作用。劳动是人工智能技术创新促进经济增长的重要渠道之一,劳动渠道主要通过劳动就业路径和劳动收入路径促进经济增长。从劳动就业路径而言,人工智能能够将劳动力从繁琐的工作中解放出来,与此同时,创造新的就业需求,拉动劳动力就业,推动经济增长;从劳动收入路径而言,人工智能能够带来更高的劳动收入水平,对经济增长表现出显着的正向效应。目前,人工智能发展的同时,工作任务标准化、劳动力素质和技能提升以及智能渗透引致就业均能缩小技能收入差距,技能收入差距并未呈扩大趋势,将对经济增长产生正向效应,但不容忽视的是,目前人工智能与经济社会渗透融合尚处于拓展初期,边界延展对技能收入差距的扩大效应并未得到完全释放,未来仍然存在技能收入差距扩大的潜在风险。另外,人工智能在与经济社会渗透过程中同样潜伏着风险和挑战,尤其是在人工智能的导入阶段,会带来智能机器挤出劳动就业,降低劳动收入水平,并加剧收入不平等,进而抑制经济增长。只有经过导入阶段的调整和技术积累,人工智能的经济增长效应才能真正发挥作用。第三,人工智能在经济社会的快速渗透将吸引更多的资本积累,增加资本投资,提升资本的生产效率,对宏观经济增长产生支撑作用。资本是人工智能技术创新促进经济增长的又一渠道,而这一渠道主要通过资本积累路径和资本结构路径发挥作用。就资本积累路径来看,在人工智能的导入阶段,人工智能资本增加的同时挤出传统资本,由于增加的人工智能资本难以弥补挤出的传统资本,进而资本积累下降,抑制经济增长,但经过导入阶段的调整和技术积累,人工智能能够吸引更多的资本投资,增加资本积累,且增长幅度大于下降幅度,进而资本积累总体呈上升趋势。中国作为最大的发展中国家,资本积累尚存在较大空间,通过增加资本积累能够促进经济增长。就资本结构路径来看,受行业工作任务特征的影响,人工智能的渗透难度存在行业差异。由于产品生产部门智能渗透相对容易,将吸引大量人工智能资本和部分传统资本流入,而服务部门智能渗透难度大,该部门新增的高技能岗位将吸引大量传统资本流入。在两种资本的流动过程中,无论是产品生产部门大量采用人工智能资本替代劳动力,还是服务部门部分采用人工智能资本替代劳动力,传统资本与高技能劳动力相结合进行生产,都将提升资本的生产效率,促进经济增长。第四,人工智能的发展能够突破“索洛悖论”的怪圈,显着提升技术效率,最终体现为全要素生产率的增长,为经济增长提供力量源泉。生产效率是除劳动和资本外人工智能技术创新促进经济增长的又一渠道,而这一渠道包括技术进步路径和技术效率路径。但实证发现,生产率渠道主要通过技术效率路径发挥作用,技术进步路径的作用并不显着。具体而言,现阶段,人工智能技术创新对促进技术传播和扩散、科学发现与发明以及技术革新和改进等的作用并不显着,难以通过技术进步路径实现经济增长。但能够提升其他生产要素间衔接配合的契合度,补充或增强传统生产要素,带来微观主体的管理方式、社会管理方式以及经济社会组织运行的模式不断改革,改善要素质量与配置效率,进而驱动经济增长。然而,人工智能并非一开始就能提升全要素生产率,同样需要调整和技术积累的过程。人工智能在导入阶段,由于“索洛悖论”的存在,对经济增长的促进作用并不明显,但随着人工智能在行业应用的逐渐成熟,“索洛悖论”将消失,全要素生产率显着提升,且提升幅度大于前期的下降幅度,进而实现经济增长。最后对论文的研究结论进行总结,并就中国人工智能发展提出了政策建议。另外,本文可能的创新之处主要体现在以下三个方面:第一,多角度、综合系统地分析了人工智能影响经济增长的三条渠道,补充和拓展了人工智能与经济增长的相关研究。围绕人工智能与经济增长的已有研究往往直接指出人工智能对经济增长的影响方向,而缺乏作用机理分析,或者从某一方面研究人工智能对经济增长的影响,缺乏多视角、综合系统的研究。本文基于人工智能影响经济增长的典型事实,从劳动、资本和生产率等多角度出发,综合系统地分析了人工智能影响经济增长的作用渠道,在一定程度上补充和拓展了已有的相关研究:(1)劳动渠道。人工智能的发展伴随着劳动力从机械化、知识创造性低的工作和既定程序的开放型脑力劳动中解放出来,创造的新就业岗位带来高技能劳动力需求扩大和实际工资水平提高,推动经济高质量增长,与此同时,人工智能也将带来技能溢价,加剧收入不平等,进而抑制经济增长。(2)资本渠道。人工智能能够增加资本积累,带来人工智能资本和传统资本在行业流动,提升资本的生产效率,推动经济增长。(3)生产率渠道。人工智能在行业的应用过程中能够提升其他生产要素间衔接配合的契合度,补充或增强传统生产要素,带来微观主体的管理方式、社会管理方式以及经济社会组织运行模式不断改革,改善要素质量与配置效率,进而驱动经济增长。第二,考虑了人工智能对经济社会产生影响的阶段差异,从理论上科学、全面地认识了人工智能在渗透融合的不同阶段对经济社会的风险与机遇。人工智能向经济社会渗透融合并非一蹴而就,而是会经历从导入到不断成熟的过程,因此,其对经济社会的作用效应也将存在阶段差异。Hémous&Olsen(2015)、王君等(2017)等研究注意到了人工智能对劳动就业和收入差距产生影响的阶段差异,但在人工智能的其他相关研究中并未受到重视。因此,围绕人工智能与经济增长的已有研究均未考虑人工智能产生影响的阶段差异,进而忽略了人工智能对经济社会产生影响的调整过程,而调整过程往往伴随着风险与挑战。因此,缺乏这一考虑,可能导致研究结论出现偏差。本文将人工智能产生影响的阶段差异引入分析过程,分析了人工智能在与经济社会渗透融合的不同阶段通过作用于劳动、资本和生产率对经济增长的作用效应,明确了人工智能风险和机遇的阶段存在性。在一定程度上,这是对既有人工智能与经济增长相关研究的一个重要补充。第三,从行业层面出发,探索出了一种衡量人工智能发展水平的方法,弥补了目前人工智能相关研究在数据选择上的不足。受相关数据可得性的限制,国内围绕人工智能的实证研究较少,已有的实证研究主要采用工业或制造业机器人数据进行研究,并不能全面反映人工智能在整个国民经济行业的渗透情况,得到的结论存在片面性。本文采用人工智能相关专利申请量作为衡量人工智能发展水平的代理变量。基于本文对人工智能的界定,分别以“人工智能”“算法”“专家系统”“机器人”为关键词,在Patenthub专利汇全球专利数据库搜索专利数据,将重复的数据进行剔除,并将得到的人工智能专利数据根据三个层次分入我国国民经济各行业。第一个层次:按国际专利分类(IPC)主分类号归类;第二个层次:难以按IPC号分类的专利数据按照《国际专利分类与国民经济行业分类参照关系表》归类;第三个层次:剩余的专利数据按用途划分。最后形成2003-2018年19个行业人工智能专利绝对量的面板数据。这一数据清晰地反映了人工智能在不同行业的渗透情况,以及对不同行业产生的影响效应。基于此,实证检验了人工智能的经济效应,克服了人工智能与经济增长相关研究在人工智能代理变量选取上的不足。
杨春玲,凌茜[8](2021)在《基于深度学习的两阶段多假设视频压缩感知重构算法》文中研究说明传统视频压缩感知重构算法重构时延过长,新发展的基于神经网络的视频压缩感知重构算法虽解决了高耗时的问题但未能充分利用视频的时空相关性,重构质量较差。为了解决上述问题,文中提出了基于深度学习的两阶段多假设视频压缩感知重构算法(2sMHNet)。首先,采用时域可变形卷积对齐网络实现基于像素的深度学习多假设预测,在避免了块效应的同时通过自适应参数学习提高了假设集的匹配准确性与权重的计算精度,充分地挖掘了时间相关性得到高质量的预测帧;然后,构建残差重构模块以实现预测帧残差的观测域重构,进一步提升重构质量;最后,为了充分利用图像组帧间相关性,提出了两阶段串行式重构模式,在第一阶段利用细节信息丰富的关键帧提升非关键帧重构质量,在第二阶段利用相关性更强的相邻帧再次进行运动补偿重构,适应运动快且复杂的序列。仿真结果证明,2sMHNet相比于目前优秀的视频压缩感知重构算法具有更加优良的重构性能。
白光[9](2021)在《基于经济自组织的特大城市职住空间结构演化研究 ——以北京和东京为例》文中进行了进一步梳理特大城市职住空间结构不佳是我国城市化中的普遍问题,由此造成的长时间、超长时间通勤,导致城市生产力下降和居民幸福感缺失。城市规划及相关政府部门在数十年的探索中不断尝试着以“他组织”的方式积极应对,所运用的职住平衡、绿带政策、多中心等规划设计方式虽然有助于通勤时间的缩短,但特大城市空间结构依旧不理想,所引发的社会问题依旧突出。他组织部门因为对职住空间自组织机制认知不足、对自组织与他组织边界界定不够,导致干预方式不当、自组织权利受限,不利于自组织与他组织之间的良性互动协同以做到化解职住空间问题。从历史上看,城市的形成远远早于城市规划的出现,说明城市是可以在没有目标导向的特定干预之下产生、发展的,具有自组织的性质。经济自组织是历史、地理环境、城市定位、技术进步等各方面影响空间结构的重要中间过程,是一个很好的研究出发点。基于上述背景,本文在哈肯等学者的研究基础上,结合传统自组织理论和经济学思想构建了经济自组织理论,构建了“职住协同”概念框架,依据机制关系构建出包括要素和职住协同层、职住空间结构演化层、演化机制协同层和他组织机制层的“自组织与他组织协同机制框架”,并结合了运输经济理论、交通区位论、城市经济学、区域经济学等学科构建了理论解释框架,对职住空间结构自组织演化进行了研究,提出应以“职住协同”替代“职住平衡”的观念,并通过东京、北京及我国其他特大城市,通过定性分析、定量分析和案例对比验证了基本理论的适用性和正确性,并提出相关政策建议。本文的主要结论如下:1.特大城市职住空间自组织是市场机制引导流动性资源要素向时空禀赋较高地区产生空间集聚和功能组织的过程机制,需要以就业匹配、居住匹配、通勤协同三方面构建的职住协同,作为判断空间结构优劣的标准。干预和反馈在自组织与他组织协同关系上存在着错位性,容易对他组织部门产生误导。对此,他组织部门需有序弱化对要素和职住协同层的直接干预,适度扩大自组织的权力边界;大幅加强对演化机制协同层的干预,充分发挥他组织的组织协调性优势。2.自组织演化通过引导经济要素和时空资源的重新配置,优化重构特大城市职住空间,并显着化解集聚效应与时空资源高度稀缺之间的矛盾性。从路径上看,需要路径破除机制(包括劳动细化分工和集聚与扩散)打破要素和时空间的低效协同,并通过功能引导机制(包括集聚与扩散和通勤交通建设)构建出高效、集约的时空关系。因时空利用效率不同,功能引导之间呈现出通勤轨道交通>一般地面公交>私人交通>集聚与扩散的优劣关系,对应着从优到劣的演化结果。3.通勤轨道交通与职住空间协同开发引导的强中心大都市区,是推动特大城市职住空间高效、有序化的重要途径,体现出自组织与他组织协同推动职住空间演化的特征,呈现出:协同建设——职住时空重构——要素自组织(需要路径破除机制和功能引导机制参与)——点、线、面的空间自组织(需要他组织部门协同)——职住空间高水平演化的路径过程。4.他组织部门需要将自组织机制中对通勤铁路时效、速度的要求,作为投资、运用服务的供给依据。需在物理协同层面构建直达直通就业中心的轨道交通网络,以及站点与用地空间协同纵向高密度开发模式,组织协同层面构建多样化运营组织以引导不同主体之间权责利对等,制度协同层面建设完善轨道交通投融资运营制度、协同开发供地制度、开发主体确权制度,权利协同层面充分发挥自组织的激励性并适度确权,将微观层面城市空间重构和塑造的权利适当交给市场经济主体,以形成自组织和他组织之间循环互动的权利迭代和权利协同关系。5.东京在职住空间自组织演化的过程中体现出路径破除机制和功能引导机制的协同关系。1964年东京奥运会之后体现出他组织部门对自组织机制和市场主体的适当“让权”能够提升自组织机制的功能发挥,实现自组织与他组织之间的有效协同并演化至强中心大都市区,对北京和我国特大城市具有借鉴价值。6.虽然发展、演化过程不尽相同,但北京和我国众多特大城市在历史和现状上高度相似。需要借鉴东京经验,以自组织与他组织协同推动职住空间自组织演化作为出发点,从物理协同、组织协同、制度协同、权利协同的层面上构建高效、有序的轨道交通与城市空间协同建设,促进职住空间结构演化。
刘蓬[10](2021)在《基于深度学习的短视频超分辨率算法的研究与实现》文中研究表明随着网络基础设施的不断完善和移动设备的快速普及,近年来短视频行业飞速发展,观看短视频已经成为人们在线休闲消遣的主要娱乐方式之一。由于短视频具有用户随手拍摄、制作门槛低、创作简单等特点,并且用户缺乏专业设备和拍摄知识,在拍摄过程中容易受到手抖、物体运动和光照环境等因素的影响。造成拍摄出的短视频在分辨率、清晰度、亮度、对比度等方面与专业视频相差甚远,影响用户的观赏体验。因此,对短视频超分辨率技术研究具有重要的实用意义和学术价值。基于以上应用背景,本文提出了一种融合图像去噪的短视频超分辨率深层神经网络。具体地,本文设计了一种基于特征分段融合策略的短视频图像去噪模型,采用多尺度特征图渐进式融合与特征重建为后续的超分辨率提供细节信息丰富、高质量的视频图像;另外,在超分辨率阶段中,采用可变形三维卷积设计实现了一种捕获时空信息和自适应运动补偿的特征对齐融合模块。其次,为了提升网络模型学习相关特征的能力,本文提出了一种融合通道注意力与空间注意力的自学习方法,分别采用自适应大小的局部跨通道交互策略和可分离卷积捕获特征通道与特征空间中潜在的依赖关系,并设计了一种基于注意力机制的残差密集连接模块。此外,为了验证短视频超分辨率算法的有效性,我们也构建了一个短视频超分辨率数据集。最后,我们设计了一个用于短视频超分辨率转换的原型系统。我们的算法分别在短视频数据集与公开数据集上开展多组实验比较,均获得了良好的表现。另外,我们还对所提的短视频图像去噪模型和注意力方法进行了实验分析,进而验证了所提模型对于短视频超分辨率任务的有效性。
二、可变形管流动相似性(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、可变形管流动相似性(论文提纲范文)
(2)基于双线阵图像传感器的无透镜超分辨率成像系统研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 无透镜超分辨率研究现状 |
1.3 研究内容 |
1.4 论文主要结构 |
2 无透镜线阵扫描及图像处理基础理论 |
2.1 无透镜成像基本理论 |
2.2 无透镜线阵扫描成像理论 |
2.3 相关图像处理算法 |
2.3.1 均值背景模型建立 |
2.3.2 FAST角点检测 |
2.3.3 特征匹配 |
2.3.4 图像传感器的采样模型 |
2.4 图像质量评价函数 |
2.5 本章小结 |
3 双线阵结构扫描成像模型的建立与仿真 |
3.1 双线阵结构扫描成像模型的建立 |
3.1.1 扫描成像过程的数学抽象 |
3.1.2 扫描成像模型的推导 |
3.2 基于细胞流速及倾斜角度的成像模型优化 |
3.3 扫描成像模型的仿真 |
3.3.1 细胞流速对扫描图像的影响 |
3.3.2 细胞流动方向对的扫描图像的影响 |
3.4 本章小结 |
4 细胞扫描图像重构模型的建立与仿真 |
4.1 细胞扫描图像重构模型的建立 |
4.1.1 图像重构过程的数学抽象 |
4.1.2 基本图像重构模型的推导 |
4.1.3 细胞多组流速的计算 |
4.1.4 基于细胞流速的扫描图像重构模型优化 |
4.1.5 基于线阵倾斜角度的图像重构模型优化 |
4.2 图像重构后图像的衍射恢复 |
4.3 扫描成像模型与图像重构模型的仿真对比 |
4.3.1 圆形图案的对比 |
4.3.2 线条图案的对比 |
4.4 本章小结 |
5 系统验证分析与小型化系统 |
5.1 系统验证平台的搭建 |
5.1.1 双线阵结构的验证方案 |
5.1.2 微流控芯片的设计与仿真 |
5.1.3 实验平台 |
5.2 实验样本处理及实验方法 |
5.2.1 实验样本处理 |
5.2.2 二维聚焦测试 |
5.2.3 实验设计 |
5.3 实验结果及分析 |
5.3.1 系统采集的图像及其预处理 |
5.3.2 微球样本的测试结果 |
5.3.3 红细胞及白细胞的验证 |
5.4 小型化系统 |
5.4.1 采集系统的小型化设计 |
5.4.2 基于嵌入式系统的实现 |
5.5 本章小结 |
6 总结与展望 |
6.1 工作总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
(5)基于时序信息融合的视频目标分割算法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 视频目标分割的研究现状和分类 |
1.2.1 无监督视频目标分割 |
1.2.2 半监督视频目标分割 |
1.3 论文研究内容 |
1.4 论文章节安排 |
第二章 相关基础知识 |
2.1 问题定义 |
2.1.1 无监督视频目标分割定义 |
2.1.2 半监督视频目标分割定义 |
2.2 相关技术 |
2.2.1 视频目标分割中的时序建模技术 |
2.2.2 半监督视频目标分割中的在线微调 |
2.3 基准数据集及评价指标 |
2.3.1 数据集 |
2.3.2 评价指标 |
2.3.3 视频困难场景分析 |
2.4 本章小结 |
第三章 基于特征对齐和上下文感知的无监督视频目标分割算法 |
3.1 引言 |
3.2 基于特征对齐和上下文感知的无监督视频目标分割 |
3.2.1 对齐模块 |
3.2.2 上下文模块 |
3.2.3 损失函数 |
3.3 实验设置与结果分析 |
3.3.1 训练细节 |
3.3.2 分割结果对比 |
3.3.3 消融实验 |
3.3.4 速度性能对比 |
3.3.5 分割结果对比 |
3.3.6 分割结果展示 |
3.4 本章小结 |
第四章 基于双重时序记忆的半监督视频目标分割算法 |
4.1 引言 |
4.2 基于双重时序记忆的半监督视频目标分割 |
4.2.1 短时记忆模块 |
4.2.2 长时记忆模块 |
4.2.3 反馈多核融合模块 |
4.2.4 多目标融合 |
4.3 实验设置与结果分析 |
4.3.1 训练细节 |
4.3.2 单目标数据集上的结果对比 |
4.3.3 多目标数据集上的结果对比 |
4.3.4 消融实验 |
4.3.5 时间稳定性分析 |
4.3.6 速度性能对比 |
4.3.7 分割结果对比 |
4.3.8 分割结果展示 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 工作展望 |
致谢 |
参考文献 |
作者简介 |
(6)脑部医学图像配准与融合算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究历史及发展现状 |
1.2.1 图像配准国内外研究历史和现状 |
1.2.2 图像融合国内外研究历史及现状 |
1.3 论文主要工作和章节安排 |
1.3.1 论文主要工作 |
1.3.2 论文章节安排 |
第二章 图像配准与融合算法理论分析 |
2.1 各类医学图像成像特性区别分析 |
2.1.1 CT和MR图像成像区别 |
2.1.2 MR和PET图像成像区别 |
2.1.3 MR和SPECT图像成像区别 |
2.2 医学图像配准理论和算法理论 |
2.2.1 图像配准原理 |
2.2.2 图像配准对象分类 |
2.2.3 图像配准变换模型 |
2.2.4 图像配准基本流程 |
2.3 医学图像融合理论分析 |
2.4 论文总体设计 |
2.5 本章小结 |
第三章 基于共同ROI的医学图像自动配准方法 |
3.1 引言 |
3.2 基于共同感兴趣子区域的医学图像自动配准算法(共同ROI算法) |
3.2.1 预处理 |
3.2.2 常见子区域的检测和分割 |
3.2.3 公共子区域配准和参数估计 |
3.2.4 整个图像配准 |
3.3 实验与分析 |
3.3.1 源图像来源 |
3.3.2 对比算法 |
3.3.3 客观评价指标 |
3.3.4 与其他配准算法进行比较 |
3.4 本章小结 |
第四章 基于参数自适应脉冲耦合神经网络和卷积稀疏表示的多模态医学图像融合 |
4.1 引言 |
4.2 相关算法理论 |
4.2.1 参数自适应脉冲耦合神经网络(PAPCNN)和参数β的改进 |
4.2.2 卷积稀疏表示(CSR) |
4.3 NSST-PAPCNN-CSR多模态医学图像融合算法 |
4.4 实验过程和结果分析 |
4.4.1 实验设置 |
4.4.2 与其他图像融合方法进行比较 |
4.5 结论 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
作者简介 |
(7)人工智能对经济增长的影响研究(论文提纲范文)
摘要 |
abstract |
1 导论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 文献综述 |
1.2.1 人工智能的相关研究 |
1.2.2 经济增长的相关研究 |
1.2.3 人工智能与经济增长的相关研究 |
1.2.4 研究述评 |
1.3 内容结构、研究方法及技术路线 |
1.3.1 内容结构 |
1.3.2 研究方法 |
1.3.3 研究框架 |
1.4 主要创新点与不足 |
1.4.1 主要创新点 |
1.4.2 不足之处 |
2 概念界定与理论基础 |
2.1 概念界定 |
2.1.1 技术创新 |
2.1.2 人工智能 |
2.2 相关理论 |
2.2.1 技术创新理论 |
2.2.2 经济增长理论 |
3 人工智能影响经济增长的分析框架 |
3.1 人工智能影响经济增长的典型事实 |
3.1.1 世界主要经济体人工智能的发展战略 |
3.1.2 世界主要经济体人工智能的发展现状 |
3.1.3 国内人工智能发展趋势 |
3.2 人工智能的四大经济效应 |
3.2.1 智能渗透效应 |
3.2.2 边界延展效应 |
3.2.3 知识创造效应 |
3.2.4 自我深化效应 |
3.3 经济增长的三大影响因素 |
3.3.1 劳动是经济增长不可或缺的要素投入 |
3.3.2 资本是经济增长至关重要的实现途径 |
3.3.3 生产技术是加速经济增长的动力源泉 |
3.4 人工智能影响经济增长的三大渠道 |
3.4.1 人工智能影响经济增长的劳动渠道 |
3.4.2 人工智能影响经济增长的资本渠道 |
3.4.3 人工智能影响经济增长的生产率渠道 |
3.5 本章小结 |
4 人工智能影响经济增长的劳动渠道 |
4.1 分析基础 |
4.1.1 高低技能劳动者的厘定 |
4.1.2 基本理论假设 |
4.2 人工智能影响经济增长的劳动就业路径 |
4.2.1 智能渗透对劳动就业的影响 |
4.2.2 边界延展对劳动就业的影响 |
4.2.3 就业效应下人工智能对经济增长的影响 |
4.3 人工智能影响经济增长的劳动收入路径 |
4.3.1 智能渗透对劳动收入的影响 |
4.3.2 边界延展对劳动收入的影响 |
4.3.3 收入效应下人工智能对经济增长的影响 |
4.4 劳动就业和劳动收入路径的实证检验 |
4.4.1 研究设计 |
4.4.2 人工智能影响劳动就业和劳动收入的实证检验 |
4.4.3 人工智能、劳动就业和劳动收入影响经济增长的效应分析 |
4.4.4 长期效应分析 |
4.4.5 作用渠道检验 |
4.5 结论:人工智能通过劳动就业和劳动收入影响经济增长 |
5 人工智能影响经济增长的资本渠道 |
5.1 分析基础 |
5.1.1 资本积累与资本结构的概述 |
5.1.2 智能渗透的行业差异 |
5.2 人工智能影响经济增长的资本积累路径 |
5.2.1 智能渗透对资本积累的影响 |
5.2.2 边界延展对资本积累的影响 |
5.2.3 资本积累效应下人工智能对经济增长的影响 |
5.3 人工智能影响经济增长的资本结构路径 |
5.3.1 智能渗透对资本结构的影响 |
5.3.2 边界延展对资本结构的影响 |
5.3.3 资本结构效应下人工智能对经济增长的影响 |
5.4 资本积累和资本结构路径的实证检验 |
5.4.1 研究设计 |
5.4.2 人工智能影响资本积累和资本结构的实证检验 |
5.4.3 人工智能、资本积累和资本结构影响经济增长的效应分析 |
5.4.4 长期效应分析 |
5.4.5 作用渠道检验 |
5.5 结论:人工智能通过资本积累和资本结构影响经济增长 |
6 人工智能影响经济增长的生产率渠道 |
6.1 分析基础 |
6.1.1 全要素生产率的解构 |
6.1.2 基于“生产率悖论”的争议 |
6.2 人工智能影响经济增长的技术进步路径 |
6.2.1 智能渗透对技术进步的影响 |
6.2.2 知识生产对技术进步的影响 |
6.2.3 自我深化对技术进步的影响 |
6.2.4 技术进步效应下人工智能对经济增长的影响 |
6.3 人工智能影响经济增长的技术效率路径 |
6.3.1 智能渗透对技术效率的影响 |
6.3.2 边界延展对技术效率的影响 |
6.3.3 自我深化对技术效率的影响 |
6.3.4 技术效率效应下人工智能对经济增长的影响 |
6.4 技术进步和技术效率路径的实证检验 |
6.4.1 研究设计 |
6.4.2 人工智能影响全要素生产率的实证分析 |
6.4.3 人工智能、全要素生产率影响经济增长的效应分析 |
6.4.4 长期效应分析 |
6.4.5 作用渠道检验 |
6.5 结论:人工智能通过技术进步和技术效率影响经济增长 |
7 进一步分析——人工智能、长期经济增长与未来南北差距 |
7.1 分析基础 |
7.1.1 技术创新与长期经济增长的变化路径 |
7.1.2 基本理论假设 |
7.2 人工智能与长期经济增长 |
7.2.1 基本模型构建 |
7.2.2 模型分析 |
7.2.3 分析结论 |
7.3 人工智能发展与未来南北差距 |
7.3.1 基本模型构建 |
7.3.2 领先国家 |
7.3.3 追随国家 |
7.3.4 模型分析与结论 |
7.4 本章小结 |
8 结论及政策建议 |
8.1 基本结论 |
8.2 政策建议 |
8.3 研究展望 |
参考文献 |
作者在读期间科研成果 |
致谢 |
(8)基于深度学习的两阶段多假设视频压缩感知重构算法(论文提纲范文)
1 图像与视频压缩感知重构 |
1.1 图像压缩感知重构 |
1.2 视频压缩感知重构与运动估计补偿 |
2 串联式两阶段多假设重构网络 |
2.1 基于残差重构的帧内图像压缩感知重构网络 |
2.2 用于非关键帧的两阶段多假设增强重构网络 |
2.2.1 多假设预测网络 |
2.2.2 残差重构网络 |
2.2.3 串行式两阶段增强重构 |
3 仿真与分析 |
3.1 网络训练 |
3.2 实验结果与分析 |
3.2.1 与基于深度学习的图像视频压缩感知重构算法的对比仿真实验 |
3.2.2 与传统视频压缩感知重构算法的对比仿真实验 |
3.2.3 图像残差重构网络的性能分析 |
3.2.4 多假设增强重构网络性能分析 |
4 结论 |
(9)基于经济自组织的特大城市职住空间结构演化研究 ——以北京和东京为例(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景 |
1.1.1 城市建设、规划、管理对自组织机制重视不足 |
1.1.2 特大城市职住空间结构问题有待改善 |
1.1.3 经济自组织是各类因素影响城市空间结构中的重要机制过程 |
1.2 问题的提出和选题意义 |
1.2.1 问题的提出 |
1.2.2 选题意义 |
1.3 相关概念界定 |
1.3.1 自组织和他组织 |
1.3.2 大都市区和都市圈 |
1.3.3 特大城市 |
1.3.4 职住空间结构 |
1.3.5 演化 |
1.4 研究对象和研究范围 |
1.4.1 研究对象 |
1.4.2 研究范围 |
1.5 逻辑主线和研究方法 |
1.5.1 逻辑主线 |
1.5.2 研究方法 |
2 相关研究综述 |
2.1 相关理论综述 |
2.1.1 经典的空间结构模型 |
2.1.2 相关的城市和区域经济理论 |
2.1.3 职住平衡理论 |
2.2 相关文献综述 |
2.2.1 城市空间方面的文献综述 |
2.2.2 交通和城市空间的联系 |
2.2.3 相关自组织理论在城市空间方面的探索 |
2.3 进一步研究的空间 |
3 经济自组织的理论基础构建 |
3.1 基本概念的构建 |
3.2 协同是自组织中的核心机制 |
3.3 从协同效应看特大城市职住空间结构 |
3.4 经济自组织的主要性质 |
3.4.1 自主逻辑性 |
3.4.2 路径依赖性 |
3.4.3 演化性 |
3.4.4 可持续性 |
3.4.5 不完美性和缺陷性 |
3.5 他组织与自组织的差异和关系 |
3.5.1 自组织与他组织之间的差异 |
3.5.2 他组织对自组织的干涉结果 |
3.5.3 应建立自组织与他组织之间的协同关系 |
3.6 本章小结 |
4 特大城市职住空间结构自组织演化的理论构建 |
4.1 本文的核心理论框架 |
4.2 职住协同是职住空间结构优劣的判断标准 |
4.3 从机制层面看职住空间自组织演化 |
4.3.1 劳动细化分工——路径破除机制 |
4.3.2 集聚与扩散——路径破除和低效的功能引导机制 |
4.3.3 通勤建设——高效的功能引导机制 |
4.3.4 他组织与自组织的协同机制框架 |
4.4 地面通勤交通对职住空间的功能引导作用 |
4.4.1 从时空资源约束性看通勤交通建设的功能引导作用 |
4.4.2 通勤工具对空间结构的主导性 |
4.4.3 从通勤看特大城市与其他城市的演化路径差异 |
4.5 通勤轨道交通对职住空间的功能引导作用 |
4.5.1 通勤轨道交通改善空间结构、引导职住协同的路径机制 |
4.5.2 从时空要素层面看轨道交通的功能引导优势 |
4.5.3 他组织需要从物理、组织、制度、权利协同层面加强轨道交通自组织 |
4.5.4 通过点-线-面引导职住空间自组织的过程分析 |
4.6 本章小结 |
5 东京的职住空间结构演化 |
5.1 相关空间概念介绍 |
5.2 职住空间结构的历史演化过程 |
5.2.1 江户时期的职住空间结构(1868明治维新以前) |
5.2.2 近代化时期的职住空间演变(1868明治维新至1923年关东大地震) |
5.2.3 职住空间的郊区化时期(1923关东大地震至1945第二次世界大战结束) |
5.2.4 职住空间粗放式重建时期(1945二战结束至1964东京奥运会) |
5.2.5 强中心大都市区形成期(1964东京奥运会至1985广场协议) |
5.2.6 职住空间结构缓慢演变期(1985广场协议之后) |
5.3 基于一都三县的职住协同计量分析 |
5.4 从自组织机制看职住空间结构演化 |
5.4.1 职住空间郊区化时期的自组织演化理论分析 |
5.4.2 职住空间粗放式重建时期的自组织演化理论分析 |
5.4.3 强中心大都市区化中的自组织演化理论分析 |
5.5 轨道交通引导的职住空间结构演化路径 |
5.5.1 站点的职住空间自组织 |
5.5.2 线路的职住空间自组织 |
5.5.3 网络的职住空间自组织 |
5.6 政策启示 |
5.7 本章小结 |
6 北京职住空间结构的历史演化过程 |
6.1 古代和近代时期(1949北平和平解放前) |
6.2 计划经济时期(1949北平和平解放至1978十一届三中全会) |
6.3 市场经济时期(1978十一届三中全会之后) |
6.3.1 不良空间结构形成阶段(1978-2004) |
6.3.2 交通建设转型阶段(2004-2014) |
6.3.3 近期现状及展望(2014以后) |
6.4 本章小结 |
7 从自组织看以北京为代表的特大城市职住空间结构演化 |
7.1 从自组织机制看北京职住空间结构演化 |
7.1.1 计划经济时期的职住空间自组织理论分析 |
7.1.2 特大城市扩张期的职住空间自组织理论分析 |
7.1.3 强中心郊区化时期的职住空间自组织理论分析 |
7.1.4 大都市区化的职住空间自组织理论分析 |
7.1.5 北京和东京职住空间结构的对比 |
7.1.6 自组织与他组织机制层面的政策建议 |
7.2 应从物理、组织、制度、权利协同提升通勤轨道交通的功能引导机制 |
7.2.1 北京通勤轨道交通的现状及问题 |
7.2.2 北京和东京在轨道交通要素协同方面的对比 |
7.2.3 通勤轨道建设方面的政策建议 |
7.3 针对我国特大城市的拓展研究 |
7.3.1 我国一般特大城市与北京在发展过程和现状上的相似性 |
7.3.2 基于我国特大城市的职住协同计量分析 |
7.3.3 我国特大城市现状中的共性问题 |
7.3.4 共性问题的相关政策建议 |
7.4 本章小结 |
8 结论 |
8.1 基本结论 |
8.2 主要创新与贡献 |
8.3 有待进一步研究的问题 |
参考文献 |
图索引 |
表索引 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(10)基于深度学习的短视频超分辨率算法的研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 基于传统方法的视频超分辨率技术 |
1.2.2 基于深度学习的视频超分辨率技术 |
1.3 主要研究内容 |
1.4 文章组织结构 |
第二章 相关技术介绍 |
2.1 深度学习技术 |
2.2 卷积神经网络 |
2.2.1 经典卷积神经网络 |
2.2.2 可变形卷积神经网络 |
2.3 超分辨率技术 |
2.3.1 基于插值的方法 |
2.3.2 基于重建的方法 |
2.3.3 基于学习的方法 |
2.4 注意力机制 |
2.5 基于深度学习的图像去噪技术 |
2.6 本章小结 |
第三章 基于深度学习的短视频超分辨率算法 |
3.1 算法结构概述 |
3.2 短视频图像去噪模型 |
3.3 特征对齐融合 |
3.4 基于注意力机制的残差密集连接 |
3.5 亚像素卷积上采样模块 |
3.6 损失函数选择 |
3.6.1 平均绝对误差 |
3.6.2 平均平方误差 |
3.6.3 感知损失 |
3.6.4 损失函数对比 |
3.7 本章小结 |
第四章 实验与结果分析 |
4.1 实验环境及细节 |
4.2 短视频超分辨率数据集构建 |
4.3 实验评价指标 |
4.3.1 PSNR |
4.3.2 SSIM |
4.4 实验结果对比分析 |
4.4.1 消融实验分析 |
4.4.2 短视频去噪模型对比实验 |
4.4.3 注意力方法对比实验 |
4.4.4 短视频超分辨率数据集对比实验 |
4.4.5 公开数据集对比实验 |
4.5 本章小结 |
第五章 短视频超分辨率原型系统设计与实现 |
5.1 系统需求分析 |
5.2 系统总体设计 |
5.3 系统开发环境 |
5.4 系统功能模块设计与实现 |
5.4.1 登录注册模块 |
5.4.2 短视频超分辨率模块 |
5.4.3 消息通知模块 |
5.5 系统测试评估 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 未来研究展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
四、可变形管流动相似性(论文参考文献)
- [1]可变形履带机器人数字孪生测试平台研究[D]. 魏桢. 中国矿业大学, 2021
- [2]基于双线阵图像传感器的无透镜超分辨率成像系统研究[D]. 田典. 西安理工大学, 2021(01)
- [3]面向水下器人目标抓取的视觉检测与跟踪研究[D]. 万兆亮. 哈尔滨工程大学, 2021
- [4]基于深度学习的图像复原算法研究[D]. 李嘉. 北京邮电大学, 2021
- [5]基于时序信息融合的视频目标分割算法研究[D]. 王龙. 南京信息工程大学, 2021(01)
- [6]脑部医学图像配准与融合算法研究[D]. 卢艺. 南京信息工程大学, 2021(01)
- [7]人工智能对经济增长的影响研究[D]. 黄志. 四川大学, 2021(12)
- [8]基于深度学习的两阶段多假设视频压缩感知重构算法[J]. 杨春玲,凌茜. 华南理工大学学报(自然科学版), 2021(06)
- [9]基于经济自组织的特大城市职住空间结构演化研究 ——以北京和东京为例[D]. 白光. 北京交通大学, 2021
- [10]基于深度学习的短视频超分辨率算法的研究与实现[D]. 刘蓬. 北京邮电大学, 2021(01)