VORSCHAU
PRESSETERMINE
AKTUELLES PRESSEFOTO
IR Nachrichten
12.11.2024 20:07
Bertrandt AG
12.11.2024 19:44
Siemens Energy AG
12.11.2024 19:37
Siemens Energy AG
EUROPA NACHRICHTEN
HIGHTECH
Do, 11.07.2024 06:00
pte20240711001 Forschung/Entwicklung, Technologie/Digitalisierung
Beste Unterwasserbilder dank neuem Network
Chinesische Forscher nutzen lernfähiges "Dual Generative Adversarial Network" als Problemlöser
Hefei (pte001/11.07.2024/06:00) - Ein lernfähiges "Dual Generative Adversarial Network" (LFT-DGAN) soll künftig das Problem der durch Störungen verursachten Verschlechterung der Unterwasserbildqualität lösen. Die Entwicklung und Forschungsergebnisse ( https://www.frontiersin.org/journals/marine-science/articles/10.3389/fmars.2024.1321549/full ) des Teams um Wang Rujing und Wang Liusan vom Hefei Institute of Physical Science ( https://english.hf.cas.cn/ ) der Chinesischen Akademie der Wissenschaften sind in "Frontiers in Marine Science" veröffentlicht. Oft beeinträchtigte Qualität Die Technologie zur Verbesserung von Unterwasserbildern zielt darauf ab, die Qualität von Unterwasserbildern zu optimieren und die Anforderungen der maritimen Forschung, von Unterwasserrobotern und der Objekterkennung zu erfüllen. Aufgrund der einzigartigen Unterwasser-Umgebung werden die Bilder häufig durch Rauschen und Farbabweichungen beeinträchtigt, was die Bildverbesserung extrem schwierig macht. Forscher arbeiten weiter daran, um die Qualität von Unterwasserbildern zu verbessern. In der neuen Studie haben die Experten die Erkenntnisse der reversiblen Faltung und der adversen neuronalen Netze genutzt, um ein dual-generatives adverses neuronales Netzmodell des Vollfrequenztransformators zu erstellen und seine Wirksamkeit durch den Vergleich mehrerer experimenteller Unterwasserbilddaten zu überprüfen. Mithilfe dieses Modells konnten die Forscher zum ersten Mal die Technologie der Bildzerlegung mit reversibler Faltung einsetzen, um die verschiedenen Frequenzmerkmale des Bildes genau zu trennen. Gute Basis für Verbesserungen Darüber hinaus wurde in der Studie ein fortschrittliches Transformationsmodell verwendet, das die Interaktion und Integration verschiedener Informationstypen verbessert.Zudem wurde ein Dual-Domain-Diskriminator entwickelt, mit dem sich die Frequenzmerkmale der Bilder besser erfassen und analysieren lassen. "Unsere Forschungsergebnisse und -methoden haben eine solide theoretische Grundlage und eine starke Unterstützung für die weitere Forschung und Entwicklung der Unterwasserbildverbesserung geliefert", erklärt Wang Liusan.
(Ende)
PRESSETEXT.TV
PORR rechnet mit anhaltender Baukonjunktur 30.10.2024 ETARGET
FOCUSTHEMA
SPECIALS
Werbung
middleAdvertising
|