基于全1*1卷积神经网络的图像增强方法

    公开(公告)号:CN109255758B

    公开(公告)日:2021-09-21

    申请号:CN201810768178.9

    申请日:2018-07-13

    Abstract: 本发明公开基于全1*1卷积神经网络的图像增强方法。本发明构建全1*1卷积神经网络,并对低质成像图像中局部图像块或者整幅图像中的像素进行重新随机排列(Pixel Shuffle),利用重排后的图像块或图像作为输入。然后对上述网络估计出来的潜在变量后处理。基于潜在变量所对应成像模型,得到从低质图像和潜在变量估计出的清晰图像的数学表达式,从而计算得到增强后的结果。相比传统卷积神经网络普遍采用的大卷积核方式,实现了以更少的参数、更少的计算量保持相当的模型表示能力的目的,从而快速、准确地估计图像增强中的潜在变量。

    基于全1*1卷积神经网络的图像增强方法

    公开(公告)号:CN109255758A

    公开(公告)日:2019-01-22

    申请号:CN201810768178.9

    申请日:2018-07-13

    Abstract: 本发明公开基于全1*1卷积神经网络的图像增强方法。本发明构建全1*1卷积神经网络,并对低质成像图像中局部图像块或者整幅图像中的像素进行重新随机排列(Pixel Shuffle),利用重排后的图像块或图像作为输入。然后对上述网络估计出来的潜在变量后处理。基于潜在变量所对应成像模型,得到从低质图像和潜在变量估计出的清晰图像的数学表达式,从而计算得到增强后的结果。相比传统卷积神经网络普遍采用的大卷积核方式,实现了以更少的参数、更少的计算量保持相当的模型表示能力的目的,从而快速、准确地估计图像增强中的潜在变量。

    一种比较公共自行车站点社区划分的可视分析方法

    公开(公告)号:CN108280550A

    公开(公告)日:2018-07-13

    申请号:CN201810092381.9

    申请日:2018-01-30

    Abstract: 本发明公开了一种新的比较公共自行车站点社区划分的可视分析方法,通过设计多个可视化视图展现社区划分后站点的地理分布、区域间的借还关联,支持可视化比较不同社区划分算法结果的共性和差异;为了更清晰地展示划分后站点的地理分布情况,提出了一种颜色赋值策略,对于不同算法得到的社区划分结果,尽可能地将位于相似地理区域下的站点保持颜色一致;设计基于圆形包含的社区划分比较图,有助于比较站点在不同方法下究竟被划分到了哪个社区中。该发明能够直观地展示不同社区划分算法作用于公共自行车网络上的结果差异,有助于理解算法的内在划分机制,帮助交通管理人员掌握公共自行车系统的运营情况,为车辆调度、系统管理提供辅助决策。

    一种比较公共自行车站点社区划分的可视分析方法

    公开(公告)号:CN108280550B

    公开(公告)日:2020-06-09

    申请号:CN201810092381.9

    申请日:2018-01-30

    Abstract: 本发明公开了一种新的比较公共自行车站点社区划分的可视分析方法,通过设计多个可视化视图展现社区划分后站点的地理分布、区域间的借还关联,支持可视化比较不同社区划分算法结果的共性和差异;为了更清晰地展示划分后站点的地理分布情况,提出了一种颜色赋值策略,对于不同算法得到的社区划分结果,尽可能地将位于相似地理区域下的站点保持颜色一致;设计基于圆形包含的社区划分比较图,有助于比较站点在不同方法下究竟被划分到了哪个社区中。该发明能够直观地展示不同社区划分算法作用于公共自行车网络上的结果差异,有助于理解算法的内在划分机制,帮助交通管理人员掌握公共自行车系统的运营情况,为车辆调度、系统管理提供辅助决策。

Patent Agency Ranking