计算机软件及计算机应用论文_隐空间转换的混合 - 中国测试杂志社投稿

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

计算机软件及计算机应用论文_隐空间转换的混合

作者:

关键词:

摘要：

文章摘要:深度学习从数据集中学习样本的内在规律，数据集的质量一定程度上决定了模型的表现。在去雾任务的公开数据集中，由于缺少成对真实数据，合成的成对数据难以模拟真实环境等问题，可能导致训练出的模型在实际环境中表现不佳。为此，本文提出混合样本学习问题，利用合成的成对数据和真实数据（混合样本）同时训练模型，通过隐空间的转换实现混合样本间的转换。算法利用变分自编码器和生成对抗网络（VAE-GAN）将混合样本分别编码到隐空间，利用对抗损失将真实数据的隐空间向合成雾图的隐空间对齐，利用含特征自适应融合（MFF）模块的映射网络学习成对数据隐空间之间的转换，从而建立起从真实雾图域到清晰图像域之间的去雾数据通路。实验结果表明，该算法相比其他去雾算法在真实雾图上的去雾结果更加清晰，对于较厚的雾图也有突出的效果，且该算法的峰值信噪比高于对比算法。

文章关键词:

项目基金:《中国测试》网址: http://www.zgcszzs.cn/qikandaodu/2022/0126/2178.html