摘要：由于语音的复杂与多变,传统声学方法并不能很好地提取出语音的公共特征,容易受到训练数据中说话人发声特点差异的影响,造成模型的不稳定并影响其精度。针对这一问题,文章提出利用语音特征的聚类中心替代原语音特征进行BERT模型预训练的方法,通过与普通BERT模型对比在自动语音识别(Automatic Speech Recognition,ASR)下游任务的表现,证明了对语音特征进行的聚类操作在聚类中心数量合适的情况下,聚类后的BERT模型拥有更好地下游任务契合度,聚类中心数量为100的预训练模型错词率比普通预训练模型降低了2.32%。

摘要：工业应用中,表面压印字符图像全监督语义分割将会给企业带来高昂的数据集标注成本,针对该问题,提出了双支路特征融合的域适应分割方法(dual-branch feature fusion domain adaptation,DbFFDA)。借鉴U-Net的跨层连接设计思路,提出了双分支上采样结构的残差域适应分割网络(residual adaptation network,Res-Adp);同时提出了融合特征输入用于提升网络分割性能,克服了字符缺失的问题;此外,提出了分割连续性损失函数L_(Con),抑制了分割图像中噪点的产生。在石墨电极表面压印字符无监督分割实验中,所提方法MIoU值可达69.60%,实际分割效果已基本满足字符识别需求,有望在特定工业场景中投入实际应用,为企业节省数据集标注成本。

摘要：近年来,雾霾天气下对采集的图像和视频去雾需求显著提高,已有的一些物理模型和深度学习去雾方法只估计了较为粗糙的透射率图,并由于估计大气光的系统误差导致图像存在对比度下降、细节缺失等问题。为应对当前问题,提出基于空间通道自注意力网络(Space-Channel Transformer)的双分支图像去雾方法。主干网络设计为编码器-解码器(EncoderDecoder)结构的端到端(End-to-End)网络,通过PoolFormer提取特征,使用跳跃连接增添全局信息,进行实例归一化加快模型收敛速度并增加了亮减暗通道的多尺度图像输入和余弦相似性(Cosine Similarity)损失函数。分支网络进行无监督训练,输出双线性插值的暗通道透射图,增加暗通道损失函数,减少像素级细节损失。在Reside室内数据集中,峰值信噪比(PSNR)达到31.6305dB,结构相似性(SSIM)达到0.9715。实验结果表明,相较于对比算法,所提方法对解决对比度下降、细节缺失等问题有较好效果,提高了分辨率,去雾效果更优。

摘要：目前,大多数基于学习的图像超分辨率研究通常采用预定的降质类型(比如双三次下采样)处理高分辨率图像,来产生成对的训练集。然而,真实图像往往存在未知的模糊和噪声,导致这些算法无法有效应用到真实场景中。为了实现真实图像的超分辨率重建,提出了一种基于生成对抗网络的无监督图像超分辨率算法,所提出的算法分为域转换子网络和重建子网络两个部分。同时设计了深度特征提取模块,通过融合不同感受野所提取的图像特征来提升网络的性能。实验结果证明,相比于目前多数的图像超分辨率算法,本文算法能够实现真实降质图像(存在噪声、模糊等)的图像超分辨率,在主观效果和客观指标上均能获得更好的性能。