龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：北京理工大学
申请日：2023-12-22
公开（公告）日：2024-04-19
公开（公告）号：CN117911283A
主分类号：G06T5/77
分类号：G06T5/77;G06T5/60;G06N3/049;G06N3/084
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.07#实质审查的生效;2024.04.19#公开
摘要：一种基于脉冲神经网络信息存储模型的残缺图像样本修复方法，包括：残缺样本图像数据预处理、编码信息映射与解码、关键建模参数提取以及修复图像生成；本发明通过充分利用脉冲神经网络的生物可解释性、时序信息处理能力和高效计算特性，能有效地降低神经网络的计算量，提高合理性与可解释性，在残缺样本图像数据集上能够更加准确地识别出其语义，并且能够更好地进行建模从而完成残缺样本修复的任务。
主权项：1.一种基于脉冲神经网络信息存储模型的残缺图像样本修复方法，其特征在于，包括如下步骤：步骤1：残缺样本图像数据预处理，包括：对残缺样本图像数据的每个像素点对应的取值进行时间编码，得到用以编码表示图像信息的矩阵表示的时间序列；步骤2：编码信息映射与解码，包括：以所述时间序列作为脉冲信号输入脉冲神经网络，在信息存储模型的记忆生成模块学习生成各个像素点的编码信息，分三条等价路径对所述矩阵的信息进行映射和解码，按照对应网络规则升维生成新的信息张量表示，在记忆生成模块学习生成对应的神经元激发状态，完成对脉冲神经网络的训练；步骤3：关键建模参数提取，包括：根据脉冲神经网络中神经元膜电位状态，获取混合高斯分布建模所需的三个关键建模参数π、μ和σ对应的张量表示；步骤4：修复图像生成，包括：将残缺样本图像数据输入完成训练的脉冲神经网络，以混合高斯分布建模每一个像素点的对应取值，并通过高斯分布进行概率采样生成目标修复图像。
全文数据：
权利要求：
百度查询： 北京理工大学 基于脉冲神经网络信息存储模型的残缺图像样本修复方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号