龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：太原理工大学
摘要：本发明提供一种基于语义感知迁移学习的图像超分辨率方法，属于图像处理以及深度学习领域，解决了传统的基于迁移学习的图像超分辨率方法往往只关注像素级别的重建精度，忽略了语义级别的信息的技术问题。本发明所述网络结构主要包括构建迁移学习网络和图像超分辨率重建网络，综合利用图像和文本模态数据学习可转移的高级语义特征；同时本发明设计了一种新颖的语义感知超分辨率方法，将自然语言处理方法创新地应用于超分辨率重建过程中。通过语义特征提取网络和图像超分辨率重建网络学习图像‑文本配对数据的联合语义表示，使超分辨率网络能够理解图像并重建具有语义级别理解的超分辨率图像。
主权项：1.一种基于语义感知迁移学习的图像超分辨率方法，其特征在于，包括如下步骤：①.网络架构设计：设计一个图像超分辨率的深度学习网络模型，该模型包括一个预训练的迁移学习网络，用于提取语义特征，以及一个图像超分辨率重建网络；迁移学习网络在语义特征提取中，先将所提取的特征进行线性变化后传入至前向解码器和反向解码器，从而产生图像特征描述信息；将迁移学习网络的输出与图像超分辨率重建网络结合，以实现图像从低分辨率到高分辨率的映射；②.数据准备：收集图像数据集，包括低分辨率和高分辨率的对应图像对，并通过深度学习网络模型对上述图像进行预处理；③.损失函数设计：选择或设计一个合适的损失函数来优化深度学习网络模型；对于超分辨率任务，用到的损失函数包括均方误差、平均绝对误差和结构相似性指数；④.训练过程：使用收集的图像数据集对深度学习网络模型进行训练，将低分辨率图像输入模型，通过前向传播得到预测的高分辨率图像；计算预测图像与真实高分辨率图像之间的损失，通过反向传播更新模型的参数；重复训练过程，直到模型在验证集上的性能达到预设的阈值或达到最大训练轮数。
全文数据：
权利要求：
百度查询： 太原理工大学 一种基于语义感知迁移学习的图像超分辨率方法
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