公开(公告)号：CN111754403A

公开(公告)日：2020-10-09

申请号：CN202010542676.9

申请日：2020-06-15

Applicant: 南京邮电大学

Inventor： 张敏 ,  黄刚 ,  陈啟超

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于残差学习的图像超分辨率重构方法，包括：获取用于训练系统的公用图像数据集，处理得到训练集与测试集；获取待处理的低分辨率图像；将系统核心神经网络各模块的搭建与融合，组成基于残差学习的深度卷积网络；计算网络预测与标签损失，根据损失调整网络参数；深度残差网络的训练并向其输入的待处理的低分辨率图像；输出重构的高分辨率图像,评估图像重建精度，图像超分辨率重构完成。本发明增加了图像特征的提取能力，提升了图像重建系统的泛化性与高效性，使得图像重建精度更加精确。

公开(公告)号：CN111639692A

公开(公告)日：2020-09-08

申请号：CN202010446473.X

申请日：2020-05-25

Applicant: 南京邮电大学

Inventor： 陈啟超 ,  黄刚 ,  张敏

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力机制的阴影检测方法，包括：获取用于训练系统的待处理公用阴影数据集；从摄像头设备或本地硬盘上获取待检测阴影图像；公用阴影数据集的预处理并获得对应的训练集与测试集；待检测阴影图像的预处理；系统核心神经网络各模块的搭建与融合，组成基于注意力机制的卷积神经网络；计算网络预测与标签损失，根据损失调整网络参数；深度卷积神经网络的完全训练并向其输入预处理的待检测阴影图像；输出阴影检测结果,对各像素进行阴影属性分类，完成自定义数据的阴影检测流程。本发明增加了阴影特征的提取能力，降低了语义间的关联性，提升了检测系统的泛化性与高效性，使得阴影检测结果更加精确。

公开(公告)号：CN111754403B

公开(公告)日：2022-08-12

申请号：CN202010542676.9

申请日：2020-06-15

Applicant: 南京邮电大学

Inventor： 张敏 ,  黄刚 ,  陈啟超

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于残差学习的图像超分辨率重构方法，包括：获取用于训练系统的公用图像数据集，处理得到训练集与测试集；获取待处理的低分辨率图像；将系统核心神经网络各模块的搭建与融合，组成基于残差学习的深度卷积网络；计算网络预测与标签损失，根据损失调整网络参数；深度残差网络的训练并向其输入的待处理的低分辨率图像；输出重构的高分辨率图像,评估图像重建精度，图像超分辨率重构完成。本发明增加了图像特征的提取能力，提升了图像重建系统的泛化性与高效性，使得图像重建精度更加精确。

公开(公告)号：CN111639692B

公开(公告)日：2022-07-22

申请号：CN202010446473.X

申请日：2020-05-25

Applicant: 南京邮电大学

Inventor： 陈啟超 ,  黄刚 ,  张敏

IPC: G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力机制的阴影检测方法，包括：获取用于训练系统的待处理公用阴影数据集；从摄像头设备或本地硬盘上获取待检测阴影图像；公用阴影数据集的预处理并获得对应的训练集与测试集；待检测阴影图像的预处理；系统核心神经网络各模块的搭建与融合，组成基于注意力机制的卷积神经网络；计算网络预测与标签损失，根据损失调整网络参数；深度卷积神经网络的完全训练并向其输入预处理的待检测阴影图像；输出阴影检测结果,对各像素进行阴影属性分类，完成自定义数据的阴影检测流程。本发明增加了阴影特征的提取能力，降低了语义间的关联性，提升了检测系统的泛化性与高效性，使得阴影检测结果更加精确。