-
一种基于对抗学习的深度与浅层自适应特征融合方法,用于图像风格化
内容与风格特征学习不足问题,提出AdaAL模型通过自适应特征融合模块动态整合深浅层特征,结合风格属性变换模块与对抗学习提升局部风格,并构建StyID评估指标,实验证明优于现有方法。
来源:Signal Processing: Image Communication
时间:2026-04-22
-
贝叶斯系统识别与损伤估计:基于非线性剪切-弯曲模型及随机滤波方法
本文提出了一种基于贝叶斯系统的概率框架,结合非线性的多自由度模型与未校准的卡尔曼滤波器(UKF),用于地震后结构的损伤评估和系统识别。该框架通过离散的非线性剪弯模型,将每层简化为剪弯弹簧,有效整合了高效的非线性结构模型与随机滤波技术,实现了对结构响应和损失的概率估计。研究通过三层的钢框架结构和十二层的钢筋混凝土剪力墙结构两个案例验证,展示了在稀疏测量的条件下准确预测工程需求参数(EDPs)的能力,如层间位移和楼面加速度,并验证了其计算效率和经济可行性,适用于区域规模的地震评估。
来源:Soil Dynamics and Earthquake Engineering
时间:2026-04-22
-
基于增强型混沌辅助视觉编码器双网络模型的文化遗产图像重建方法
图像修复方法研究:提出融合生成对抗网络与Transformer的优化模型,结合自适应滤波预处理,通过双注意力机制和dilated卷积视觉Transformer双编码器提升生成与判别器性能,采用增强型随机混沌鲸优化算法调整超参数,实验表明PSNR达35.28dB,SSIM达0.979。
来源:Signal Processing: Image Communication
时间:2026-04-22
-
用于大规模图像检索的深度语义通道哈希技术
高效检索成为计算机视觉重点,现有哈希方法忽视高维实数空间与离散汉明空间差异导致解决方案空间压缩和损失函数震荡问题。本文提出DSCH框架,通过分类样本三元组(完全相似/部分相似/不相似)实施差异化哈希约束,并引入语义通道机制缓解震荡问题,在三个数据集上mAP分别提升6.25%、6.78%、8.90%,显著优于现有方法。
来源:Signal Processing: Image Communication
时间:2026-04-22
-
基于深度学习的水下物种识别技术:进展、基准测试与挑战
水下物种识别研究综述:系统梳理深度学习方法,提出数据级、模型级与知识级三维框架,揭示细粒度特征与长尾分布两大核心挑战,构建标准化基准数据集与对比实验,为海洋智能监测提供理论支撑与未来方向。
来源:Signal Processing: Image Communication
时间:2026-04-22
-
声学涂层——一种在海洋大气环境中利用超声波导波的主动防腐技术
提出基于超声导波(UGWs)的新型防腐技术,通过剪切应力和高频振动有效去除盐雾沉积,实验显示未涂层钢管腐蚀率降低33.5%,涂层钢管分别降低45.8%、32.7%和29.5%,证实该方法可显著延长金属结构在盐雾环境中的使用寿命。
来源:Progress in Organic Coatings
时间:2026-04-22
-
在数据匮乏的情况下,通过结合物理约束和极值随机树(Extremely Randomized Trees)技术,可以快速获取区域潮汐特征
潮汐数据稀缺条件下物理约束极端随机森林模型(PCET)的研究表明,结合平衡潮汐理论和随机森林算法可有效缩短观测记录需求。基于江苏大丰海岸的120小时训练数据,PCET可重构720小时潮汐序列(R²=0.9789),短至48小时训练仍保持高精度(RMSE=0.064m,R²=0.9742)。研究验证了物理约束与机器学习融合的有效性,但发现河口强扰动环境下性能受限。
来源:Ocean Modelling
时间:2026-04-22
-
自适应聚类驱动的插补方法:结合先验适用性评估处理未标记数据
DDBC算法通过自适应聚类和预先评估机制有效填补缺失数据,保持潜在结构,适用于高维无标签数据,在医疗等场景中提升下游任务性能。
来源:Knowledge-Based Systems
时间:2026-04-22
-
综述:水培系统中养分回收技术的循环性:一项系统评价
水培系统因高效节水、低化肥农药使用和高产量而受关注,但其排放的富营养化废水需回收技术。综述分析发现,水培废水中铵、硝酸盐、磷酸盐等浓度较高,可通过物理、化学、生物及藻类培养等回收技术实现循环利用,其中藻类培养因可同步回收营养和产生物质被证实最具潜力。
来源:Journal of Water Process Engineering
时间:2026-04-22
-
在高质量JPEG图像中实现鲁棒隐写技术时处理向下压缩问题
高分辨率移动摄影图片因压缩导致隐藏信息失效,本研究提出DRAS框架通过预压缩嵌入数据,结合量化表分析和预测信道模型,实现单次通过嵌入且误差率降低87%。
来源:Journal of Visual Communication and Image Representation
时间:2026-04-22