公开(公告)号：CN109658344A

公开(公告)日：2019-04-19

申请号：CN201811338660.5

申请日：2018-11-12

Applicant: 哈尔滨工业大学(深圳) ,  深圳云安宝科技有限公司

Inventor： 田春伟 ,  徐勇 ,  文杰 ,  吴坚 ,  刘川意

IPC: G06T5/00 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的图像去噪方法，搭建神经网络图像去噪模型，选取训练集，并设置训练参数；根据神经网络图像去噪模型及其训练参数，以最小平方差函数作为损失函数，应用在模型训练过程，形成深度学习的神经网络图像去噪模型；将待处理的图像输入到所述神经网络图像去噪模型，输出去噪后的无噪声图像，根据噪声的分布程度引入相应的权重到网络模型中，为了防止梯度消失或者梯度爆炸的情况，引入残差学习过程，并采用LN横向规范化形式将经过卷积层得到特征进行归一化来统一数据的分布，使数据保存在相同的范围，并加快网络收敛速度，可广泛适用于高斯噪声、真实图像噪声、超分辨等低水平视觉的图像任务处理过程。

公开(公告)号：CN110135520A

公开(公告)日：2019-08-16

申请号：CN201910446754.2

申请日：2019-05-27

Applicant: 哈尔滨工业大学(深圳)

Inventor： 陈润泽 ,  文杰 ,  徐勇

IPC: G06K9/62

Abstract: 本发明提供了一种基于图补全和自适应视角权重分配的不完备多视角聚类方法、装置、系统及存储介质，该不完备多视角聚类方法包括：步骤1，多视角仿射图的构建及补全步骤：归一化各视角中的样本实例，构建并补全各视角的仿射图；步骤2，学习各视角间一致的低维表征步骤：迭代求取各视角间一致的低维表征；步骤3，聚类步骤：归一化全局低维表征并使用传统的单视角聚类方法（如k-means）得到聚类类别。本发明的有益效果是：本发明通过相似图补全技术和视角权重鉴别因子的引入，有效地捕捉了数据的本质结构，提高了聚类性能。